最长回文子串--动态规划

问题来源：最长回文子串

问题描述：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。

例子：
输入: “babad”
输出: “bab”
注意: “aba” 也是一个有效答案。

1. $O(n^3)$算法

最简单也是最直观的做法是暴力算法。通过两层遍历，我们可以选出所有可能的子串，然后判断该子串是否是回文。

class Solution:
    def longestPalindrome(self, s: str) -> str:
        max_huiwen = ''
        for i in range(len(s)):
            for j in range(i+1, len(s)+1):
                # 判断s[i:j]是否是回文
                ss = s[i:j]
                if ss == ss[::-1]:
                    if len(max_huiwen) < len(ss):
                        max_huiwen = ss
        return max_huiwen

这种算法注定用时最长，可能超时。

2. $O(n^2)$算法

暴力算法实际上重复判断了很多子串，比如，我们判断“abcba”是否为回文，我们不但判断子串“abcba”是否为回文，也判断子串“bcb”是否为回文。实际上，我们在判断子串“bcb”是回文之后，应该保留这种信息，然后判断子串“abcba”是否为回文。

我们需要判断每个较小的子串是否为回文，基于此，我们进一步判断较长子串是否为回文。

动态规划适用条件是，该问题较大规模问题可以由较小问题解决，以及该问题有最优子结构，也就是说，该问题的最优解中包含子问题的最优解。可以看到，判断子串是否为回文，可以分解为子串的子串是否为回文。

动态规划有三点：状态定义，状态转移方程，边界值。

• 状态定义：$d(i,j)$存储bool值，用于判断子串s[i, j+1]是否为回文；
• 状态转移方程：$d(i,j)=(s[i]==s[j])\text{and}d(i+1,j-1)$，意思是，字符串s[i, j+1]是否为回文，取决于1）字符串左右两端字符是否相等，即s[i]==s[j]；且2）子串s[i+1, j-1]是否为回文；
• 边界值：如果j==i，则$d(i,j)=\text{True}$；如果j==i+1，那么只需判断字符串两端是否相同；如果j>=i+2，那么用状态转移方程判断

具体代码如下：

class Solution:
    def longestPalindrome(self, s: str) -> str:
        d = [[False for i in range(len(s))] for j in range(len(s))]

        # 子串长度i从1（自身）到len(s)
        for i in range(len(s)):
            # 给定长度i，子串从j开始
            for j in range(len(s)-i):
                if i == 0: # 子串长度为1
                    d[j][j+i] = True
                elif i == 1: # 子串长度为2
                    d[j][j+i] = (s[j] == s[j+i])
                else: # 子串长度为3及以上
                      # 长度为i的子串变成长度为i-2的子串
                    d[j][j+i] = (s[j] == s[j+i]) and d[j+1][j+i-1] 
        #print(d)
        # 在二维数组d中，寻找值为True且col-row最大的项
        max_item = -1
        start, end = -1, len(s)
        for i in range(len(s)):
            for j in range(len(s)):
                if d[i][j] and j - i > max_item:
                    max_item = j - i
                    start, end = i, j
        return s[start:end+1]