最长回文子串-动态规划法

动态规划法

问题有n个输入，问题的解由这n个输入的子集（可行解）组成，这个子集满足事先给定的约束条件。满足约定条件的可行解可能不止一个，用目标函数评价这些可行解的优劣，使目标函数取得极值的可行解称为最优解。

求解过程往往可以划分为若干个阶段，每个阶段的决策仅依赖与前一个阶段的状态，各子问题的解只与它前面的子问题的解相关，而且各子问题的解都是相对于当前状态的最优解，整个过程的最优解是由各个子问题的最优解构成。

动态规划法中每个子问题对应决策过程的一个阶段，将子问题的解求解一次并填入表中，当需要再次求解此问题时可以通过查表获得该子问题的解（以空间换时间），从而避免大量重复计算。

动态规划法的求解过程一般由三个阶段组成

1. 划分子问题：将原问题分解成若干个子问题，每个子问题对应一个决策阶段，并且子问题之间具有重叠关系
2. 确定动态规划函数：根据子问题之间的重叠关系找到子问题满足的递推关系式（即动态规划函数）
3. 填写表格：设计表格，以自底向上的方式计算各个子问题的解并填表

最长回文子串问题描述：

给你一个字符串s（s仅由数字和英文字母组成），找到s中最长的回文子串

• 示例1：

  输入：s=“babad”

  输出：“bab”

  解释："aba"同样是符合题意的答案

• 示例2：

  输入：s=“cbbd”

  输出：“bb”

问题分析：

• 输入：字符串s

• 约束条件：子串是回文串

• 可行解：字符串s中的回文子串

• 目标函数：max(length)

动态规划求解

• 划分子问题：若s[ i : j ]是回文串则s[ i+1 : j-1 ]一定是回文串，若s[ i+1 : j-1 ]是回文串且s[ i ]===s[ j ]则s[ i : j ]是回文串.可得判断s[ i : j ]是否为回文串，只需判断s[ i+1 : j-1 ]是否为回文串且s[ i ]是否与s[ j ]全等。若s[ i ]===s[ i+1 ]则s[ i : j ]是回文串

• 动态规划函数：L[i]表示以s[i]为右边界的回文串长度集合，

​ 单个字符本身也是回文串 L[ i ] [ 0 ]=1

​ L[ i ] [ j+1 ]=L[ i-1 ] [ j ]+2 (s[ i ]===s[ i - L[ i-1 ] [ j ] - 1 ]&&( i - L[ i-1 ] [ j ] - 1 )>=0)

​ L[ i ] [ j+1 ]=L[ i-1 ] [ j ]+1 (s[ i ]===s[ i - L[ i-1 ] [ j ]]&&( i - L[ i-1 ] [ j ])>=0&&s[ i - L[ i-1 ] [ j ]]~~s[ i ]全相等 例：“aaaaaa”)

代码：

var longestPalindrome = function(s) {
   
    let len=s.length;
    let maxLenNum=[];
    maxLenNum[0]=new Array(