Longest Palindrome (最长回文子串)

一个序列（字符串）S=a₁a₂...a_n 的倒置 S' 为 a_na_n-1...a₁。而 S 的子串定义为 S 中任何连续的一部分，如 a_ia_i+1...a_j 是 S 的一个子串，但a_ia_i+2... 则不是 S 的子串。如果一个序列 S=S'，则 S 称为回文序列。本文接下来将研究一个有趣的问题：给定一个序列 S，找出 S 中最长的回文子串。

 

在详细分析各个算法之前，先给出一个概览：简单的暴力算法时间复杂度为 Ɵ(n³)。经过仔细分析，可以通过动态规划把复杂度降至 O(n²)。但是，令人兴奋的是，存在线性复杂度，即 O(n) 的算法！

 

一、暴力算法

 

按照惯例，先分析一下暴力的算法：对 S 的每个子串，先判断其是否为回文，如果是，则跟已知的最长回文子串相比较，并保存其中最长的那个。

set longest_parlindrome to empty string for each substring P of the string S do if P is a palindrome if P.length > longest_parlindrome.length then longest_parlindrome := P end if end if end for output longest_parlindrome 

长度为 n 的字符串一共有 O(n²) 个子串，判断一个子串是否为回文串平均需要 O(n) 时间，因此，该算法的复杂度为 O(n³) 。当然，可以在算法中加入剪枝，例如，当子串 P 的长度比已知最长回文子串的长度小时，可以不必进行检查是否为回文串了。但这个并不能带来时间复杂度上质的变化。

 

二、动态规划

 

仔细分析该暴力算法，可以发现，该算法中存在很多重复计算。例如，当子串 P 不是回文时，xPy 也不可能是回文。再如，子串 xPx 是否为回文当且仅当 P 是回文。这后面的例子有点动态规划的味道了。沿着这个方向，可以比较容易的设计出动态规划的算法。首先，用 LP[i][j] 表示子串 a_ia_i+1...a_j 是否为回文。则

 

     LP[i][j] = true，如果 i >= j，即单字符的串和空串都是回文；

     LP[i][j] = true，如果 S[i] = S[j] 并且 LP[i+1][j-1] = true；

     否则，LP[i][j] = false。

 

在填动态规划表时，按子串的长度从小到大进行。

/* Use LP_start and LP_end to record the start and