给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
示例 1:
输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。
示例 2:
输入: "cbbd"
输出: "bb"
方法一:暴力匹配 (Brute Force)
根据回文子串的定义,枚举所有长度大于等于 2 的子串,依次判断它们是否是回文;
在具体实现时,可以只针对大于“当前得到的最长回文子串长度”的子串进行“回文验证”;
在记录最长回文子串的时候,可以只记录“当前子串的起始位置”和“子串长度”,不必做截取。这一步我们放在后面的方法中实现。
说明:暴力解法时间复杂度高,但是思路清晰、编写简单。由于编写正确性的可能性很大,可以使用暴力匹配算法检验我们编写的其它算法是否正确。优化的解法在很多时候,是基于“暴力解法”,以空间换时间得到的,因此思考清楚暴力解法,分析其缺点,很多时候能为我们打开思路。
package longest_palindrome;
public class Solution {
public boolean isPalindrome(char[] charArray, int left, int right){
while(left<right){
if(charArray[left]!=charArray[right]){
return false;
}
left++;
right--;
}
return true;
}
public String longestPalindrome(String s) {
int len=s.length();
if(len<2){
return s;
}
int maxLen=1;
int begin=0;
//s.charAt(i) 每次都会检查数组下标越界,因此先转换成字符数组
char[] charArray = s.toCharArray();
for(int i=0;i<len-1;i++){
for(int j=i+1;j<len;j++){
if(isPalindrome(charArray,i,j)&&j-i+1>maxLen){
maxLen=j-i+1;
begin=i;
}
}
}
return s.substring(begin,begin+maxLen);
}
public static void main(String[] args) {
Solution solution=new Solution();
System.out.println(solution.longestPalindrome("bb"));
}
}
复杂度分析:
时间复杂度:O(N^3),这里 N 是字符串的长度,枚举字符串的左边界、右边界,然后继续验证子串是否是回文子串,这三种操作都与 N 相关;
空间复杂度:O(1),只使用到常数个临时变量,与字符串长度无关。
方法二:动态规划
对于一个子串而言,如果它是回文串,并且长度大于 2,那么将它首尾的两个字母去除之后,它仍然是个回文串。例如对于字符串 “ababa”,如果我们已经知道“bab” 是回文串,那么 “ababa” 一定是回文串,这是因为它的首尾两个字母都是“a”。
根据这样的思路,我们就可以用动态规划的方法解决本题。我们用 P(i,j) 表示字符串 s 的第 i 到 j 个字母组成的串(下文表示成 s[i:j])是否为回文串:
这里的「其它情况」包含两种可能性:
s[i, j]s[i,j] 本身不是一个回文串;
i>j,此时s[i,j] 本身不合法。
那么我们就可以写出动态规划的状态转移方程:
P(i, j) = P(i+1, j-1) &&(Si == Sj)
也就是说,只有s[i+1:j−1] 是回文串,并且 s 的第 i 和 j 个字母相同时,s[i:j] 才会是回文串。
上文的所有讨论是建立在子串长度大于 2 的前提之上的,我们还需要考虑动态规划中的边界条件,即子串的长度为 1 或 2。对于长度为 1 的子串,它显然是个回文串;对于长度为 2 的子串,只要它的两个字母相同,它就是一个回文串。因此我们就可以写出动态规划的边界条件:
根据这个思路,我们就可以完成动态规划了,最终的答案即为所有 P(i,j)=true 中 j-i+1(即子串长度)的最大值。注意:在状态转移方程中,我们是从长度较短的字符串向长度较长的字符串进行转移的,因此一定要注意动态规划的循环顺序。
class Solution {
public String longestPalindrome(String s) {
int n=s.length();
String rs="";
boolean[][] dp=new boolean[n][n];
for(int k=0;k<n;k++){
for(int i=0;i+k<n;i++){
int j=i+k;
if(k==0){
dp[i][j]=true;
}else if(k==1){
dp[i][j]=(s.charAt(i)==s.charAt(j));
}else{
dp[i][j]=dp[i+1][j-1]&&(s.charAt(i)==s.charAt(j));
}
if(dp[i][j]&&((k+1)>rs.length())){
rs=s.substring(i,j+1);
System.out.println(rs);
}
}
}
return rs;
}
}
复杂度分析
时间复杂度:O(n^2),其中 n是字符串的长度。动态规划的状态总数为 O(n^2),对于每个状态,我们需要转移的时间为 O(1)。
空间复杂度:O(n^2),即存储动态规划状态需要的空间。
欢迎关注微信公众号【算法攻城师】