【栈/DP】LeetCode 32. Longest Valid Parentheses 八种解法

题目:
Given a string containing just the characters ‘(’ and ‘)’, find the length of the longest valid (well-formed) parentheses substring.

For “(()”, the longest valid parentheses substring is “()”, which has length = 2.

Another example is “)()())”, where the longest valid parentheses substring is “()()”, which has length = 4.

1.暴力解法
截取每一个子串O(N^2),再使用第20题中的方法判断它是否合法O(N),总时间为O(N^3)。

2.暴力解法
遍历一遍字符串O(N),从每个字符出发,累计左括号数和右括号数,并记录满足左括号数==右括号数时的各长度O(N),如果左括号数<右括号数了,continue。时间复杂度O(N^2)。

3.栈
用栈模拟匹配的过程,遍历一遍后,栈中剩下的即为匹配不上的括号,它们在字符串中的位置之间,即为符合要求的局部最长子串,从中取一个最长的。O(N)。

//C++
class Solution {
public:
    int longestValidParentheses(string s) {
        stack<int> st;
        for (int i = 0; i < s.length(); i++) 
            if (s[i] == '(' || st.empty()) st.push(i);
            else 
                if (s[st.top()] == '(') st.pop();
                else st.push(i);
        int left, right = s.length(),longest=0;
        while (!st.empty()) {
            left = st.top();
            st.pop();
            longest=max(longest,right-left-1);
            right = left;
        }
        longest=max(longest,right);
        return longest;
    }
};
#Python
class Solution(object):
    def longestValidParentheses(self, s):
        """
        :type s: str
        :rtype: int
        """
        stack=[]
        for i in xrange(len(s)):
            if s[i]=='(' or not stack:
                stack.append(i)
            else:
                t=stack.pop()
                if s[t] == ')':
                    stack.append(t)
                    stack.append(i)
        right,longest=len(s),0
        while stack:
            left=stack.pop()
            longest=max(longest,right-left-1)
            right=left
        return max(longest,right)

4.栈改进版

我们发现在任一时刻,栈中存放的是之前的所有无法匹配的括号。那么当我们遇到一个’)’时,

如果栈顶是’(’:那么它们匹配成功,pop出’(‘后此时新的栈顶即最近的一个无法匹配的符号,我们只要用当前位置i - stack.top(),就能得到以当前位置符号为结尾的最长子串的长度。

如果栈顶是’)’:那么当前位置必然无法成为满足要求的子串的结尾(分析见栈改进版3.0),直接将‘)’入栈即可。

通过以上分析,我们能在一次遍历中同时处理栈和统计长度:

#Python
class Solution(object):
    def longestValidParentheses(self, s):
        """
        :type s: str
        :rtype: int
        """
        stack=[]
        longest=0
        for i in xrange(len(s)):
            if s[i]=='(' or not stack:
                stack.append(i)
            else:
                t=stack.pop()
                if s[t]=='(':
                    if not stack:
                        left=-1
                    else:
                        left=stack[-1] # -1表示取最后一个
                    longest=max(longest,i-left)
                else:
                    stack.append(t)
                    stack.append(i)
    stack.append(i)
    return longest

5.栈改进版2.0

我们可以在栈中预先放入一个-1,来减少代码:

#Python
class Solution(object):
        def longestValidParentheses(self, s):
            """
            :type s: str
            :rtype: int
            """
            stack=[-1]
            longest=0
            for i in xrange(len(s)):
                if s[i]=='(' or not stack:
                    stack.append(i)
                else:
                    t=stack.pop()
                    if t!=-1 and s[t]=='(':
                        longest=max(longest,i-stack[-1])
                    else:
                        stack.append(t)
                        stack.append(i)
            return longest

6.栈改进版3.0

经过思考可以发现,不能匹配的符号肯定满足先是0个或若干个),再是0个或若干个( ,比如 )))(( 或者 )))或者 (( 。
也就是说有 ‘) ‘的话一定在最左边,’(’一定在最右边。

因此栈中只需要保存最后遇到的一个’)’即可。这里我们不妨假设-1位置处也存在一个’)’ 以减少代码

#Python 这是最快的版本了
class Solution(object):
    def longestValidParentheses(self, s):
        """
        :type s: str
        :rtype: int
        """
        stack = [-1]
        max_length = 0
        for i,p in enumerate(s):
            if p == '(':
                stack.append(i)
            else:
                stack.pop()  
                if not stack: 
                    #因为有-1在的关系,如果弹出后栈为空,则弹出的一定不是'(',而是-1或')',就不需要像前面代码那样判断了
                    stack.append(i)
                else:
                    length = i - stack[-1]    
                    if max_length < length:
                        max_length = length
        return max_length

7.正反两趟遍历

我们可能会这样想过:从左往右遍历一遍,累计左括号数和右括号数,并记录满足左括号数==右括号数时的各长度,如果左括号数<右括号数了,左右括号数置为0并继续(这里和方法2中直接continue不同)。
但是仅是这一遍是不够的,形如(()的结果是错误的。

通过前面的分析,我们可以知道对于不匹配的括号们,有 ) 的话一定在最左边,有(的话一定在最右边。
我们假设不匹配的括号们是)))((( , 那么这一趟下来其实)))部分都已经统计完成了,那么我们不妨反向再来一遍,处理(((部分:
从右往左遍历一遍,累计左括号数和右括号数,并记录满足左括号数==右括号数时的各长度,如果左括号数>右括号数了,左右括号数置为0并继续

//Java
public class Solution {
    public int longestValidParentheses(String s) {
        int left = 0, right = 0, maxlength = 0;
        for (int i = 0; i < s.length(); i++) {
            if (s.charAt(i) == '(') {
                left++;
            } else {
                right++;
            }
            if (left == right) {
                maxlength = Math.max(maxlength, 2 * right);
            } else if (right >= left) {
                left = right = 0;
            }
        }
        left = right = 0;
        for (int i = s.length() - 1; i >= 0; i--) {
            if (s.charAt(i) == '(') {
                left++;
            } else {
                right++;
            }
            if (left == right) {
                maxlength = Math.max(maxlength, 2 * left);
            } else if (left >= right) {
                left = right = 0;
            }
        }
        return maxlength;
    }
}

8.DP

来自 https://leetcode.com/problems/longest-valid-parentheses/discuss/

My solution uses DP. The main idea is as follows: I construct a array longest[], for any longest[i], it stores the longest length of valid parentheses which is end at i.

And the DP idea is :

If s[i] is ‘(‘, set longest[i] to 0,because any string end with ‘(’ cannot be a valid one.

Else if s[i] is ‘)’

If s[i-1] is '(', longest[i] = longest[i-2] + 2

Else if s[i-1] is ')' and s[i-longest[i-1]-1] == '(', longest[i] = longest[i-1] + 2 + longest[i-longest[i-1]-2]

For example, input “()(())”, at i = 5, longest array is [0,2,0,0,2,0], longest[5] = longest[4] + 2 + longest[1] = 6.

   int longestValidParentheses(string s) {
            if(s.length() <= 1) return 0;
            int curMax = 0;
            vector<int> longest(s.size(),0);
            for(int i=1; i < s.length(); i++){
                if(s[i] == ')'){
                    if(s[i-1] == '('){
                        longest[i] = (i-2) >= 0 ? (longest[i-2] + 2) : 2;
                        curMax = max(longest[i],curMax);
                    }
                    else{ // if s[i-1] == ')', combine the previous length.
                        if(i-longest[i-1]-1 >= 0 && s[i-longest[i-1]-1] == '('){
                            longest[i] = longest[i-1] + 2 + ((i-longest[i-1]-2 >= 0)?longest[i-longest[i-1]-2]:0);
                            curMax = max(longest[i],curMax);
                        }
                    }
                }
                //else if s[i] == '(', skip it, because longest[i] must be 0
            }
            return curMax;
        }

Updated: thanks to Philip0116, I have a more concise solution(though this is not as readable as the above one, but concise):

int longestValidParentheses(string s) {
        if(s.length() <= 1) return 0;
        int curMax = 0;
        vector<int> longest(s.size(),0);
        for(int i=1; i < s.length(); i++){
            if(s[i] == ')' && i-longest[i-1]-1 >= 0 && s[i-longest[i-1]-1] == '('){
                    longest[i] = longest[i-1] + 2 + ((i-longest[i-1]-2 >= 0)?longest[i-longest[i-1]-2]:0);
                    curMax = max(longest[i],curMax);
            }
        }
        return curMax;
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值