动态规划-二维-最长回文子序列

LeetCode-Problem516#较典型的二维动态规划问题

1）题目

2）分析（参考自@labuladong）

• 最长回文子串解法之一是考虑每个位置i对应字符char_i为回文子串的结尾，利用前面结果（主要是i-1位置的结果）递归求解；
• 最长回文子序列想要按照同样思路去求解就比较麻烦，既然以字符结尾的方法求解遇阻，那么可以考虑区间求解，也是动态规划常见的另一种思路；区间求解即用$dp[i][j]$表示$s[i:j]$（包含$j$，下同）的最长回文子序列$pal$，此时不要求$pal$以$s[i]$开头或以$s[j]$结尾；
• 区间上的动态规划或者说递归，一般都是查看当前区间的前后区间，比如dp[i][j]和dp[i+1][j-1]、dp[i][j-1]、dp[i+1][j]等，看看是否形成递归关系，因此要往这个思路靠
• 接下来是描述$dp[i][j]$的转移方程或者递归方程：
  $$dp[i][j]=\{\begin{array}{ll}dp[i+1][j-1]+2& \text{if }s[i]==s[j]\\ max(dp[i][j-1],dp[i+1][j])& \text{if }s[i]\ne s[j]\end{array}$$
• 上述方程表示，子序列$s[i,j]$的最长回文子序列存在下列两种情况：
  • 一是$s[i]==s[j]$，那么$dp[i][j]$ = $dp[i+1][j-1]$ + 2，如下图（@labuladong）
  • 二是$s[i]\ne s[j]$，此时$s[i]$、$s[j]$最多只有一个对$dp[i][j]$有贡献，那么$dp[i][j]=max(dp[i][j-1],dp[i+1][j])$，如下图
• 需要处理初始值(base case)；包括$i\le j$（子序列存在条件）以及 $dp[i][i]==1$；此时整体思路可用下图表示：
• 图中左下角为0和对角线为1均是要满足base case；目标是求右上角值；为了利用动态规划，根据$dp[i][j]$的定义，有上图第二部分所示的两种回溯方法，这里选择第二种，横向+反向遍历，代码如下

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        # 参考自labuladong的解法，思路如下
        # 最长回文子串解法之一是以每个位置i对应字符c_i为回文子串的结尾，利用前面结果求解
        # 最长回文子序列想要按照同样思路去求解就比较麻烦，既然以字符结尾求解遇阻，那么可以考虑区间求解
        # 即用dp[i][j]表示s[i:j+1]的最长回文子序列pal，此时不要求pal以s[i]开头或以s[j]结尾
        # 接下来是描述dp[i][j]的转移方程或者递归方程
        # dp[i][j] = dp[i+1][j-1] + 2 if (s[i] == s[j]) else max(dp[i][j-1], dp[i+1][j])
        # base case: i <= j AND dp[i][i] == 1
        n = len(s)
        if n <= 1:
            return n
        dp = [[0 for _ in range(n)] for _ in range(n)]  # base case
        for i in range(n):  # base case
            dp[i][i] = 1
        for i in range(n-1, -1, -1):  # 反向遍历（回溯）
            for j in range(i+1, n):  # 横向遍历（回溯）
                dp[i][j] = dp[i+1][j-1] + 2 if (s[i] == s[j]) else max(dp[i][j-1], dp[i+1][j])
        return dp[0][n-1]

• 总结：熟悉 2维区间动态规划的应用场景和应用方法