leetcode 5st Longest Palindromic Substring

1.题意
寻找输入字符串中的最长回文序列

2.思路比较
(1)暴力破解，从头开始首尾两下标向中间移动，比较两端字符是否相同，长度控制一层循环，字符串起始位控制一层循环，比较两端字符是否相同一层循环，时间复杂度为O(n^3)代码不ac

(2)以每个字符为中心向两边扩散比较，去除长度控制这层循环，与两端标记一同控制，
时间复杂度为O(n^2)

参考代码如下：

class Solution {
public:
    string longestPalindrome(string s) {
        if (s.size() <= 1) return s;
        int startIdx = 0, left = 0, right = 0, len = 0;
        for (int i = 0; i < s.size() - 1; ++i) {
            if (s[i] == s[i + 1]) {
                left = i;
                right = i + 1;
                searchPalindrome(s, left, right, startIdx, len);
            }
            left = right = i;
            searchPalindrome(s, left, right, startIdx, len);
        }
        return s.substr(startIdx, len);
    }
    void searchPalindrome(string s, int left, int right, int &startIdx, int &len) {
        int step = 1;
        while ((left - step) >= 0 && (right + step) < s.size()) {
            if (s[left - step] != s[right + step]) break;
            ++step;
        }
        int wide = right - left + 2 * step - 1;
        if (len < wide) {
            len = wide;
            startIdx = left - step + 1;
        }
    }
};

在处理奇偶回文序列的时候，这里使用的条件很精巧

//偶数回文序列，中间两个字符相等
if (s[i] == s[i + 1])  

//否则，直接取正中心的字符，向两侧移动
left = right = i;

另外在view code的时候，有这么一段琢磨了一会

int wide = right - left + 2 * step - 1;

式子中的-1一直很困惑，后面才发觉与初始的step=1有关，已经预先往两侧移动一步
原公式应为

int wide = right - left -1+ 2 * step + 2;

(3)动态规划算法

将已经比较好是否为回文序列的结果储存在二维数组中，减少重复比较

动态规划算法适用的情况，1最优化子结构 2无后效性 3子问题的重叠，具体学习会在另一篇博文中呈现

关键，找到状态转移方程，这里就有点像数学归纳法，两端字符相同，若子结构为真，则该结构为真

dp[i, j] = 1                                               if i == j

         = s[i] == s[j]                                if j = i + 1

         = s[i] == s[j] && dp[i + 1][j - 1]    if j > i + 1    

代码

// DP
class Solution {
public:
    string longestPalindrome(string s) {
        int dp[s.size()][s.size()] = {0}, left = 0, right = 0, len = 0;
        for (int i = 0; i < s.size(); ++i) {
            for (int j = 0; j < i; ++j) {
                dp[j][i] = (s[i] == s[j] && (i - j < 2 || dp[j + 1][i - 1]));
                if (dp[j][i] && len < i - j + 1) {
                    len = i - j + 1;
                    left = j;
                    right = i;
                }
            }
            dp[i][i] = 1;
        }
        return s.substr(left, right - left + 1);
    }
};

动态规划的矩阵，赋值时，j-i<2涵盖了两种情况 j=i, j-1=1。

状态转移方程在代码中的体现，精妙。

dp[j][i] = (s[i] == s[j] && (i - j < 2 || dp[j + 1][i - 1]));

reference：ref