Day 57 | 647. 回文子串 & 516. 最长回文子序列 & 动态规划总结

647. 回文子串

动态规划解题思路:    

①确定dp数组以及下标含义

        dp[i][j]:下标为[i,j]的子串是否为回文字符串

②确定递推公式

        i为起始位置,j为终止位置作为字符串的边界下标,由短向长延伸。每次比较s[i]与s[j]的值。

        (1)若s[i]==s[j]

                若边界值相等且j-i的差值为0(单个字符为回文串)或1(两个相同字符为回文串),则数组值为true。

                若边界值相等但边界下标差值大于1(j-i>1),则要看边界内侧的边界(dp[i+1][j-1])是否为回文串,若是,则以i、j为边界的字符串同样也为回文串       

                                        dp[i][j]=dp[i+1][j-1]

        (2)若不相同,则不是回文串,依旧为false。

③dp数组如何初始化

        对所有字符串进行判断,初始值默认非回文,都赋值为false.

④确定遍历顺序

         因为判断外侧[i,j]字符串需要首先知道内侧边界为[i+1,j-1]字符串是否回文。当前dp值依赖二维数组左下角的dp值。因此要从下往上,从前到后遍历。

        外侧从后往前[len-1,0]遍历,内侧从前往后[i,len-1]遍历。

⑤举例推导dp数组

    public int countSubstrings(String s) {
        boolean[][] dp = new boolean[s.length()][s.length()];
        int res = 0;
        for (int i = s.length()-1; i >= 0; i--) {
            for (int j = i; j < s.length(); j++) {
                if (s.charAt(i) == s.charAt(j)) {
                    if (j - i <= 1) {
                        res++;
                        dp[i][j] = true;
                    } else if (dp[i + 1][j - 1]) {
                        res++;
                        dp[i][j] = true;
                    }
                }
            }
        }
        return res;

 

 516. 最长回文子序列

动态规划解题思路:    

①确定dp数组以及下标含义

        dp[i][j]:下标为[i,j]的字符串最长回文子序列的长度

②确定递推公式

        i为起始位置,j为终止位置作为字符串的边界下标,由短向长延伸。每次比较s[i]与s[j]的值。

        (1)若s[i]==s[j],则[i,j]范围内的回文子序列长度为[i+1,j-1]范围的长度+2

                                        dp[i][j]=dp[i+1][j-1]+2;

        (2)若不相同,则为以[i+1,j]和[i,j-1]范围内回文子序列长度的较大值。

                                        dp[i][j]=Math.max(dp[i+1][j],dp[i][j-1]);

③dp数组如何初始化

       单个字符,dp[i][i]的值初始为1。其余为0.

④确定遍历顺序

         因为dp[i,j]的判断需要依靠内侧边界为[i+1,j]和[i,j-1]的结果。当前dp值依赖二维数组正下方和正左方的dp值。因此要外侧i从下往上,内侧j从前到后遍历。

        外侧从后往前[len-1,0]遍历,内侧从前往后[i+1,len-1]遍历。

⑤举例推导dp数组

    public int longestPalindromeSubseq(String s) {
        if(s.length()==1){return 1;}
        int[][] dp=new int[s.length()][s.length()];
        for(int i=s.length()-1;i>=0;i--){
            for(int j=i+1;j<s.length();j++){
                dp[i][i]=1;
                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][s.length()-1];
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最长回文子串是指在一个字符串中最长回文子序列回文是指正着读和倒着读都一样的字符串。动态规划是解决最长回文子串问题的一种常用方法。动态规划的思想是将问题分解成子问题,通过求解子问题的最优解来得到原问题的最优解。在最长回文子串问题中,我们可以使用一个二维数组dp[i][j]来表示从i到j的子串是否为回文子串。如果dp[i][j]为true,则表示从i到j的子串回文子串,否则不是。我们可以通过以下步骤来求解最长回文子串: 1. 初始化dp数组,将所有dp[i][i]都设置为true,表示单个字符是回文子串。 2. 遍历字符串s,从长度为2的子串开始,依次判断每个子串是否为回文子串。如果是,则将dp[i][j]设置为true。 3. 在遍历的过程中,记录最长回文子串的长度和起始位置。 4. 最后,通过起始位置和长度来截取最长回文子串。 下面是一个示例代码,可以帮助你更好地理解动态规划求解最长回文子串的过程: class Solution { public: string longestPalindrome(string s) { int len=s.size(); if(len<2) return s; bool dp[len][len];//布尔型,dp[i][j]表示从i到j是否构成回文 int max_count=1;//最大字串的长度 int start=0;//最长字串的起始位置 for(int j=0;j<len;j++) { for(int i=0;i<j;i++) { if(s[i]!=s[j]) dp[i][j]=false; else if((j-i)<3)//(j-1)-(i+1)+1<2表示dp[i][j]的最大字串长度为1 dp[i][j]=true; else { dp[i][j]=dp[i+1][j-1]; } if((j-i+1)>max_count&&dp[i][j]) { max_count=j-i+1; start=i; } } } return s.substr(start,max_count);//截取字符串 } };

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值