最长回文子序列
最长回文子序列(点我快速访问)
定义
L
P
S
LPS
LPS: 最长回文子序列
题目大意
给你一个字符串
s
s
s,找出其中最长的回文子序列,并返回该序列的长度。
子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。
例如:
b
b
b
a
b
bbbab
bbbab 的
L
P
S
LPS
LPS为
b
b
b
b
bbbb
bbbb
思考方向
首先观察到字符串长度最长为1000所以不可能枚举所有的子序列~~(时间爆炸)~~ ,然而又要求最长长度,所以想到可能要动态规划。
如何定义子问题及考虑状态转移?
- 分两种情况:
- 如果我当前字母为 c c c且在前缀中也有一个字母 c c c,如果我能够找到前缀中那个 c c c之后的那个区间的 L P S LPS LPS的,那么我这个区间的 L P S LPS LPS就可以变成 L P S ‘ = c + L P S + c LPS‘ = c + LPS + c LPS‘=c+LPS+c,长度也自然变成 l e n ( L P S ) + 2 len(LPS) + 2 len(LPS)+2。
- 否则,就把 i 或 j i或j i或j位置对应的字母去掉,取剩下的区间中的长度更大者即可。
- 考虑使用区间型DP, d p [ i ] [ j ] dp[i][j] dp[i][j]表示以 [ i , j ] [i,j] [i,j]区间的 L P S LPS LPS的长度。
- 考虑状态转移:
d p [ i ] [ j ] = { d p [ i + 1 ] [ j − 1 ] + 2 , s [ i ] = = s [ j ] ( 把 字 母 c 添 加 到 开 头 和 结 尾 ) m a x ( d p [ i + 1 ] [ j ] , d p [ i ] [ j − 1 ] , o t h e r w i s e ( 把 i 或 j 对 应 位 置 的 字 母 去 掉 ) dp[i][j]=\begin{cases} dp[i+1][j-1]+2, & s[i]==s[j] & (把字母c添加到开头和结尾)\\ max(dp[i + 1][j],dp[i][j-1], & otherwise & (把i或j对应位置的字母去掉) \end{cases} dp[i][j]={dp[i+1][j−1]+2,max(dp[i+1][j],dp[i][j−1],s[i]==s[j]otherwise(把字母c添加到开头和结尾)(把i或j对应位置的字母去掉)
- 最终的答案为 d p [ 0 ] [ n − 1 ] dp[0][n-1] dp[0][n−1]
时空复杂度
- 对于每个状态的转移只需要一个基本操作,也就是 O ( 1 ) O(1) O(1)的,会有 n 2 n^2 n2级别状态转移所以总的时间复杂度为 O ( n 2 ) O(n^2) O(n2)。
- 显然我们需要定义一个二维数组 d p dp dp,这是大头,所以空间复杂度也为 O ( n 2 ) O(n^2) O(n2)。
int longestPalindromeSubseq(string s) {
int n = s.length();
vector<vector<int>> dp(n, vector<int>(n));
// 长度为1的区间,也就是只有一个字母。
for (int i = 0; i < n; i++) dp[i][i] = 1;
// 枚举区间长度
for (int l = 2; l <= n; l++) {
// 计算起点和终点
for (int i = 0, j = i + l - 1; j < n; i++, j++) {
if (s[i] == s[j]) dp[i][j] = dp[i + 1][j - 1] + 2;
else dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
}
}
return dp[0][n - 1];
}
总结
思考围绕着:考虑最后一步能否利用到已经假设解决掉的小区间的问题。
区间型动态规划解题三步走:
- 枚举区间长度 l l l。
- 枚举左端点 i i i,计算右端点 j = i + l − 1 j=i+l-1 j=i+l−1。
- 状态转移。