【LeetCode】516. Longest Palindromic Subsequence 最长回文子序列

作者： 负雪明烛
id： fuxuemingzhu
个人博客： http://fuxuemingzhu.cn/

---

题目地址：https://leetcode.com/problems/longest-palindromic-subsequence/description/

题目描述

Given a string s, find the longest palindromic subsequence’s length in s. You may assume that the maximum length of s is 1000.

Example 1:

Input:

"bbbab"
Output:
4
One possible longest palindromic subsequence is "bbbb".

Example 2:

Input:

"cbbd"
Output:
2
One possible longest palindromic subsequence is "bb".

题目大意

找出一个字符串中最长的回文序列的长度。注意序列可以是不连续的，而子字符串是连续的。

​

解题思路

做完昨天的每日一题 446. 等差数列划分 II - 子序列 之后，相信大家对于子序列问题的套路已经更加了解了。子序列问题不能用滑动窗口了，可以用动态规划来解决。子序列问题的经典题目就是 300. 最长递增子序列，务必掌握。
​

先从整体思路说起。
​

子序列问题，由于是数组中的非连续的一个序列，使用动态规划求解时，避免不了二重循环：第一重循环是求解动态规划的每一个状态 $dp[i],(0<=i<=N)$ ，第二重循环是向前寻找上一个子序列的结尾 $j,(0<=j<i)$$ 来和 $i$ 一起构成满足题意的新的子序列。

• 对于「最长递增子序列」问题，我们对 $i,j$ 的要求是 $nums[i]>nums[j]$，即递增；
• 对于「能构成等差数列的子序列」问题，我们对 $i,j$ 的要求是 $num[i]$ 可以在 $nums[j]$ 的基础上构成等差数列。
• 对于「最长回文子序列」问题，我们对 $i,j$ 本身的取值没有要求，但是希望能够成最长的回文子串。

​

在动态规划问题中，我们找到一个符合条件的 $j$ ，然后就可以通过状态转移方程由 $dp[j]$ 推导出 $dp[i]$ 。

然后，我理一下本题的解法。
​

当已知一个序列是回文时，在其首尾添加元素后的序列存在两种情况：

1. 首尾元素相等，则最长回文的长度 + 2；
2. 首尾元素不相等，则最长回文序列长度为 仅添加首元素时的最长回文长度 与 仅添加尾元素时的最长回文长度 的最大值。

状态定义： $dp[i][j]$ 表示 $s[i\dots j]$ 中的最长回文序列长度。
​

状态转移方程：

1. $i>j$，$dp[i][j]=0$；
2. $i==j$，$dp[i][j]=1$；
3. $i<j$ 且 $s[i]==s[j]$，$dp[i][j]=dp[i+1][j-1]+2$；
4. $i<j$ 且 $s[i]！=s[j]$，$dp[i][j]=max(dp[i+1][j]，dp[i][j-1])$；

遍历顺序：
从状态转移方程可以看出，计算 $dp[i][j]$ 时需要用到 $dp[i+1][j-1]$ 和 $dp[i+1][j]$，所以对于 $i$ 的遍历应该从后向前；对于 $j$ 的遍历应该从前向后。
​

返回结果：
最后返回 $dp[0][s.length()-1]$。

代码

提供了三种语言的代码。

java 代码

class Solution {
    public int longestPalindromeSubseq(String s) {
        int size = s.length();
        int[][] dp = new int[size][size];
        for(int i = size - 1; i >= 0; i--){
            dp[i][i] = 1;
            for(int j = i + 1; j < size; j++){
                if(s.charAt(i) == s.charAt(j)){
                    dp[i][j] = dp[i + 1][j - 1] + 2;
                }else{
                    dp[i][j] = Math.max(dp[i + 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[0][size - 1];
    }
}

C++代码：

class Solution {
public:
    int longestPalindromeSubseq(string s) {
        int size = s.size();
        vector<vector<int>> dp(size, vector<int>(size, 0));
        for(int i = size - 1; i >= 0; i--){
            dp[i][i] = 1;
            for(int j = i + 1; j < size; 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][size - 1];
    }
};

python 代码：

class Solution:
    def longestPalindromeSubseq(self, s):
        n = len(s)
        dp = [[0] * n for _ in range(n)]
        for i in range(n - 1, -1, -1):
            dp[i][i] = 1
            for j in range(i + 1, n):
                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]

• 时间复杂度：$O(N^2)$
• 空间复杂度：$O(N^2)$

​

​

刷题心得

子序列的动态规划解法：两重循环。其实就看对于每个 $i$，当找到满足题目要求的 $j$ 的时候，状态转移方程怎么变化。
​

参考：http://blog.csdn.net/camellhf/article/details/70337501

日期

2018 年 3 月 15 日 --雾霾消散，春光明媚
2021 年 8 月 12 日——对面在装修，很吵