最长回文子串——动态规划及Manacher算法解决

---

目录

1. 题目描述

2. 题目分析

2.1 动态规划法

2.1.1 原理分析

2.1.2 代码实现

2.1.3 复杂度分析

2.2 Manacher算法

2.2.1 原理分析

2.2.2 代码实现

2.2.3 复杂度分析

---

1. 题目描述

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"

 

---

2. 题目分析

     题目很明确，就是找到一个字符串中最长的回文子串，暴力法这里就不多说了，下面介绍两种算法：动态规划法和Manacher法。

2.1 动态规划法

2.1.1 原理分析

       要使用动态规划法解决问题，那么就必须先把问题缩小为一个小问题，然后再从小问题往大问题扩展，最终解决大问题。动态规划往往需要借助一个数组dp来解决，其中非常重要的三点：dp数组元素的含义、dp数组的临界条件以及相应状态转移方程，临界条件可以看做是小问题的“起点”，而状态转移方程则是小问题向大问题扩展的依据。

       而在这道题目中，大问题是求整个字符串中的最长回文子串，而这里的最长则是各个回文子串长度中的最大值，因此，就可以将小问题看做是字符串s的回文子串的长度，就可以定义dp[i][j]来表示起点为i，终点为j的回文子串的长度。接下来，再来看dp数组的临界条件。不难得出，该问题的最小问题即是i=j的时候，由一个元素组成的字符串当然也是回文子串了，即dp[i][i]=1；另一种情况，当相邻两个元素相等时，即s[i]=s[i+1]时，那么dp[i][i+1]=2，由此可得dp数组的临界条件为：

                                                                       ，

       然后再来看状态转移方程，状态转移方程实际上就是将任意状态下的dp[i][j]用其子问题来表示，举个例子，dp[i][j]代表的是字符串i到j的回文子串的长度，当然，如果这个子串不是回文串，那么长度自然就是0了。与i到j最接近的回文子串即是i+1到j-1了，因此就可以将dp[i][j]用dp[i+1][j-1]表示来得到状态转移方程。如果s[i]不等于s[j]，那dp[i][j]当然长度就是0了；如果s[i]=s[j]，并且dp[i+1][j-1]不为零（即从i+1到j-1为回文子串），那么dp[i][j]就等于dp[i+1][j-1]+2了，如下：

                            

       分析完以上后，还需要注意状态转移方程的使用。前面说过，临界条件是问题的起点，因此应当从临界条件处开始慢慢扩展最终解决大问题。

2.1.2 代码实现

string longestPalindrome(string s) 
{
        int dp[1001][1001]={0}; 
        
        int len=s.size();       
        int start=0;    //保存最长子串的起点
        int max=1;   //保存最长子串的长度，初始化为1
        
        for(int i=0;i<len;i++)  //临界条件
        {
            dp[i][i]=1;    
            if(i+1<len&&s[i]==s[i+1])dp[i][i+1]=2;