算法训练 Day 57

LeetCode 647. 回文子串

题目链接：647. 回文子串

思路：这道题看着难度不大，其实要考虑的细节很多。使用动态规划五部曲分析。

1. 确定dp数组及其下边的含义
   dp[i][j]表示区间范围 [i,j] 的子串是否是回文子串，如果是dp[i][j]为true，反之为false。
2. 确定递推公式
   在遍历的过程中，会遇到两种状态：s[i]与s[j]相等或者不相等，如果不相等直接返回dp[i][j]为false即可。
   如果相等的话，则需要考虑边界条件，大致可分为两种状态：当前的 i 和 j 为同一个元素或者相邻元素，那可以直接将dp[i][j]记录为true，并将回文子串数量+1；如果当前的 i 和 j 之间相隔一个或一个以上的元素，那就需要再判断dp[i+1][j-1]（即 i 和 j 中间的这部分字符串元素）是否是回文子串，是就将dp[i][j]记录为true，并将回文子串数量+1，否则的话dp[i][j]记录为false。
3. dp数组初始化
   全部初始化为false，因为不可能一上来就全都是回文子串。
4. 遍历顺序
   此题的遍历顺序是一个非常重要的细节，不能是单纯的从前往后遍历了，因为我们的递推公式的状态转移会有一部分是从dp[i+1][j-1]转移到dp[i][j]，从二维数组上看的话，就是从左下角往右上角转移，所以外层遍历顺序应该是从下往上，内层遍历顺序是从左往右。
5. 打印遍历过程中记录的回文子串数量res

go版本：

func countSubstrings(s string) int {
    res := 0
    dp := make([][]bool, len(s))
    for i:=0; i<len(s); i++{
        dp[i] = make([]bool, len(s))
    }

    for i:=len(s)-1; i>=0; i-- {
        for j:=i; j<len(s); j++ {
            if s[i] == s[j] {
                if j-i <= 1 {
                    res++
                    dp[i][j] = true
                } else if dp[i+1][j-1] {
                    res++
                    dp[i][j] = true
                }
            }
        }
    }
    return res
}

LeetCode 516. 最长回文子序列

题目链接：516. 最长回文子序列

思路：这道题与上一题有些类似，但又有本质上的不同，上一题的回文子串必须是连续的，而本题的回文子序列不要求连续。使用动规五部曲来分析。

1. 确定dp数组及其下边的含义
   dp[i][j]表示区间范围 [i,j] 的最长回文子序列的长度。
2. 确定递推公式
   在遍历的过程中，与上一题一样会遇到两种状态：s[i]与s[j]相等或者不相等。
   如果相等的话，dp[i][j]直接在dp[i+1][j-1]的基础上+2即可。
   如果不相等的话，则需要考虑两种状态：添加s[i]或者s[j]来构成最长的回文子序列（因为此时添加的字符有可能与后续元素组成新的回文），所以$dp[i][j]=max(dp[i+1][j],dp[i][j-1]$。
3. dp数组初始化
   当 i==j 时，说明当前索引为同一个字符，那必然是一个长度为1的回文子串，所以将dp[i][i]初始化为1。
4. 遍历顺序
   此题的遍历顺序同上一题一样，不能单纯的从前往后遍历，因为我们的递推公式的状态转移会有一部分是从dp[i+1][j-1]转移到dp[i][j]，即从左下角往右上角转移，所以外层遍历顺序同样应该是从下往上，内层遍历顺序是从左往右。
5. 打印dp数组的整个字符串的范围表示，这句话意思就是dp数组要包含从0到n-1的所有元素之后，得到的最大回文子串，所以返回dp[0][n-1]。

go版本：

func longestPalindromeSubseq(s string) int {
    n := len(s)
	dp := make([][]int, n)
	for i := 0; i < n; i++ {
		dp[i] = make([]int, n)
		dp[i][i] = 1
	}
	for i := n - 1; i >= 0; i-- {
		for j := i + 1; j < n; j++ {
			if s[i] == s[j] {
				dp[i][j] = dp[i+1][j-1] + 2
			} else {
				dp[i][j] = max(dp[i][j-1], dp[i+1][j])
			}
		}
	}
	return dp[0][n-1]
}

func max(i, j int) int {
    if i>j {
        return i
    }
    return j
}