问题描述
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”
1. 暴力法
1.1 思想
1)从最长的子串开始,遍历所有该原字符串的子串;
2)每找出一个字符串,就判断该字符串是否为回文;
3)子串为回文时,则找到了最长的回文子串,因此结束;反之,则继续遍历。
1.2 时间复杂度
遍历字符串子串:嵌套一个循环、O(n^2);
判断是否为回文:再次嵌套一个循环、O(n^3)。
1.3 代码
public static String longestPalindrome(String s) {
if(s.length() <= 1)
return s;
for(int i = s.length();i > 0; i--) {//子串长度
for (int j = 0; j <= s.length() - i; j++) {
String sub = s.substring(j , i + j);//子串位置
int count = 0;//计数,用来判断是否对称
for (int k = 0; k < sub.length() / 2; k++) {//左右对称判断
if (sub.charAt(k) == sub.charAt(sub.length() - k - 1))
count++;
}
if (count == sub.length() / 2)
return sub;
}
}
return "";//表示字符串中无回文子串
}
2. 动态规划
2.1 思想
为了改进暴力法,我们首先观察如何避免在验证回文时进行不必要的重复计算。考虑 “ababa” 这个示例。如果我们已经知道 “bab” 是回文,那么很明显,“ababa” 一定是回文,因为它的左首字母和右尾字母是相同的。
我们给出 P(i,j) 的定义如下:
P(i,j) = true 如果子串 S_i ~ S_j 是回文子串
false其它情况
因此,
P(i,j)=(P(i+1,j−1) and S
i
==S
j
)
基本示例如下:
P(i,i)=true
P(i,i+1)=(S
i
==S
i+1
)
这产生了一个直观的动态规划解法,我们首先初始化一字母和二字母的回文,然后找到所有三字母回文,并依此类推…
2.1 时间复杂度
-
时间复杂度:O(n^2),这里给出我们的运行时间复杂度为 O(n^2 。
-
空间复杂度:O(n2),该方法使用O(n2)的空间来存储表。
3. 中心扩展算法
3.1 思想
事实上,只需使用恒定的空间,我们就可以在 O(n^2)的时间内解决这个问题。
我们观察到回文中心的两侧互为镜像。因此,回文可以从它的中心展开,并且只有2n−1 个这样的中心。
你可能会问,为什么会是 2n - 12n−1 个,而不是 nn 个中心?原因在于所含字母数为偶数的回文的中心可以处于两字母之间(例如 “abba” 的中心在两个‘b’ 之间)。
3.2 代码
public String longestPalindrome(String s) {
if (s == null || s.length() < 1) return "";
int start = 0, end = 0;
for (int i = 0; i < s.length(); i++) {
int len1 = expandAroundCenter(s, i, i);
int len2 = expandAroundCenter(s, i, i + 1);
int len = Math.max(len1, len2);
if (len > end - start) {
start = i - (len - 1) / 2;
end = i + len / 2;
}
}
return s.substring(start, end + 1);
}
private int expandAroundCenter(String s, int left, int right) {
int L = left, R = right;
while (L >= 0 && R < s.length() && s.charAt(L) == s.charAt(R)) {
L--;
R++;
}
return R - L - 1;
}
3.3 复杂度分析
- 时间复杂度:O(n^2), 由于围绕中心来扩展回文会耗去 O(n) 的时间,所以总的复杂度为 O(n^2)。
- 空间复杂度:O(1)。