算法学习笔记——动态规划：最长回文子串

最长回文子串

给出字符串s，求s的最长的回文子串

法一 动态规划

用dp[i][j]表示从下标i到j的子串是否为回文串
初始化：dp[i][i]为True

• 用j从左往右遍历每个字符s[j]
• 对于某个j，用i从右往左遍历其左侧的每个字符s[i]（保证i始终小于j）
• 状态转移方程：
  若i==j，dp[i][i]=True
  若j-i==1，dp[i][j]=(s[i]==s[j])
  若j-i>1， dp[i][j]=(s[i]==s[j]) and dp[i+1][j-1]
• 若需要输出这个最长回文子串，则每次更新dp[i][j]时，若刷新了最长的记录，同步更新当前最长的回文子串长度maxLen=j-i+1和对应的起点i、终点j
• 复杂度O(n^2)

法二 马拉车算法

复杂度O(n)

def PreProcess(s:list):#预处理
        r = "#".join(s)
        r = list(r)
        r.append("#")
        r.insert(0,"#")
        return r
def manacher(s:list):
    mx = -1#回文串的右边界
    id0 = -1#当前子串的中心
    max_length = -1
    centerIndex = -1
    s = PreProcess(s)
    p =[-1 for i in range(len(s))]
    #print(s)
    for i in range(1,len(s)-1):
        if i < mx:
            p[i] = min(mx-i,p[2*id0-i])
        else:
            p[i] = 1
        
        while i >= p[i] and i+p[i]<len(p) and s[i-p[i]] == s[i+p[i]]:
            p[i] += 1
        
        if mx < i + p[i]:
            mx = i + p[i]
            id0 = i
        if p[i]-1 > max_length:#找到更长的回文子串，记录其中心为centerIndex
            centerIndex = i
            max_length = p[i]-1
    ans = s[centerIndex-p[centerIndex]+1:centerIndex+p[centerIndex]]
    ans = "".join("".join(tmp).split("#"))

    print(max_length)
    print(ans)
    return ans