647. 回文子串
给定一个字符串,你的任务是计算这个字符串中有多少个回文子串。
具有不同开始位置或结束位置的子串,即使是由相同的字符组成,也会被视作不同的子串。
示例 1:
输入:"abc"
输出:3
解释:三个回文子串: "a", "b", "c"
解题思路
动态规划分析如下:
确定dp数组下标及含义
dp[i][j]:表示字符串从下标i到j的子串是回文子串。
确定递推公式
j>=i
当s[i] != s[j]时,dp[i][j] = false;
当s[i] == s[j] 时,分为以下二种情况:
情况一:当j-i<=1时,包含一个字符或者两个相同的字符,此时dp[i][j]=true;
情况二:当j-i>1时,需要判断s[i+1,j-1]区间的子串是否是回文子串,所以dp[i][j] = dp[i+1][j-1];
初始化
dp[i][j]初始化为false
确定遍历顺序
从递推公式可以看出dp[i][j]的确定需要知道dp[i+1][j-1],而dp[i+1][j-1]位于dp[i][j]的左下方,所以在遍历时需要从下往上,从左往右遍历
代码示例-java
动态规划
class Solution {
public int countSubstrings(String s) {
int len,ans =0;
if(s==null||(len=s.length()) < 1) return 0;
//定义dp数组,默认初始化false
boolean[][] dp = new boolean[len][len];
// 遍历
for(int i=len-1;i>=0;i--){
for(int j=i;j<len;j++){
if(s.charAt(i)==s.charAt(j)){
if(j-i<=1){
dp[i][j] = true;
ans++;
}else if(dp[i+1][j-1]){
dp[i][j] = true;
ans++;
}
}
}
}
return ans;
}
}
双指针法
class Solution {
public int countSubstrings(String s) {
int len, ans = 0;
if (s == null || (len = s.length()) < 1) return 0;
//总共有2 * len - 1个中心点
for (int i = 0; i < 2 * len - 1; i++) {
//通过遍历每个回文中心,向两边扩散,并判断是否回文字串
//有两种情况,left == right,right = left + 1,这两种回文中心是不一样的
int left = i / 2, right = left + i % 2;
while (left >= 0 && right < len && s.charAt(left) == s.charAt(right)) {
//如果当前是一个回文串,则记录数量
ans++;
left--;
right++;
}
}
return ans;
}
}
516.最长回文子序列
给定一个字符串 s ,找到其中最长的回文子序列,并返回该序列的长度。可以假设 s 的最大长度为 1000 。
示例 1: 输入: "bbbab" 输出: 4 一个可能的最长回文子序列为 "bbbb"。
示例 2: 输入:"cbbd" 输出: 2 一个可能的最长回文子序列为 "bb"。
提示:
1 <= s.length <= 1000
s 只包含小写英文字母
解题思路
确定dp数组下标及含义
dp[i][j]:表示s[i,j]区间内的子序列的最大长度
确定递推公式
当s[i] == s[j] 时,
同时加入s[i]和s[j],dp[i][j] = dp[i+1][j-1]+2;
当s[i]!=[j]时,
情况一:加入s[i],dp[i][j] = dp[i + 1][j];
情况二:加入s[j],dp[i][j] = dp[i][j-1];
取最大值:dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
初始化
当i==j时,dp[i][j] =1
确定遍历顺序
从下向上,从左到右
代码示例-java
class Solution {
public int longestPalindromeSubseq(String s) {
int len=s.length();
//定义dp数组,默认初始化false
int[][] dp = new int[len][len];
// 遍历
for(int i=len-1;i>=0;i--){
dp[i][i] = 1; // 初始化
for(int j=i+1;j<len;j++){
if(s.charAt(i)==s.charAt(j)){
dp[i][j] = dp[i+1][j-1] + 2;
}else{
dp[i][j] = Math.max(dp[i][j],Math.max(dp[i+1][j],dp[i][j-1]));
}
}
}
return dp[0][len-1];
}
}