题目:
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"
解法1:暴力遍历
class Solution {
public String longestPalindrome(String s) {
String result = ""; //最长回文字符串
int len = s.length(); //字符串长度
if(len==1){
return s;
}
for(int i = 0;i<len;i++){
for(int j = i+1;j<len+1;j++){
String str = s.substring(i,j); //截取i-(j-1)的子串
if(isPalindrome(str)){
result = (j-i)>result.length()?str:result; //如果这个回文长度大于之前的结果
}
}
}
return result;
}
//判断是否是回文
public boolean isPalindrome(String s){
String perv = new StringBuilder(s.substring(0,(s.length()-1)/2+1)).reverse().toString(); //截取前半段反转,
return perv.equals(s.substring(s.length()/2,s.length())); //前半段的反转字符串和后半段是否相等
}
}
简单粗暴的方法,依次截取子串,判断是否为回文,再与之前的回文对比长度决定要不要改变最长回文的字符串,这里还可以进行一些优化,比如,1、第二个循环可以从最大值递减,如果得到一个回文符合条件直接break跳出循环,2、对于子串长度的对比可以放在回文判断的前面,这样子可以减少不必要的回文判断,3、截取的子串定义可以放到循环外面,减少重复创建无用的对象。不过即使是这样子,这种方法也没有通过leetcode的监测,结果是超过限制的时间,
时间复杂度:O(n^3)
空间复杂度:O(n^2)
2、中间扩展法
class Solution {
String result = "";
public String longestPalindrome(String s) {
int len = s.length();
for(int i = 0;i<len;i++){
isPalindrome(s,i,i); //回文奇数
isPalindrome(s,i,i+1); //回文偶数
}
return result;
}
public void isPalindrome(String s,int low,int higth){
while(low>=0&&higth<s.length()){ //越界检查
if(s.charAt(low)==s.charAt(higth)){
result = ((higth-low+1)>result.length())?s.substring(low,higth+1):result;
}else{
return;
}
low--;higth++;
}
}
}
这种算法的原理是:字符串中每一个字符,向两边扩展,得到最长的回文字符串。因为存在回文为偶数和奇数的情况,所以执行了两次不同参数的方法。例如:是奇数:“abcba”,从c向两边扩展2次就得到最长回文字符串“abcba”,但是如果是“abccba”这种情况,从单一的字符串两边扩展无法得到回文。
举个例子:s="ababddbabaca",先从a开始,得到最长回文“a”,然后从b扩展,得到“aba”,从第三个字符a,得到“bab”,依次进行判断,得出最长的回文字符串。
时间复杂度:O(n^2)
空间复杂度:O(1)
3、动态规划法
class Solution {
public String longestPalindrome(String s) {
if(s==null||s.length()<2){
return s;
}
int low = 0; //子串初始索引
int maxLength = 1; //子串长度
int length = s.length(); //字符串长度
int[][] flag = new int[length][length]; //如果为1,代表是回文,为0,不是回文
for(int i = 0;i<length-1;i++){ //初始化flag数组
flag[i][i] = 1; //每一个字符都是回文
if(s.charAt(i)==s.charAt(i+1)){ //判断每一个字符和后面一个字符是不是回文
flag[i][i+1] = 1;
low = i;
maxLength = 2;
}
}
for(int len = 3;len<=length;len++){
for(int i = 0;i<=length-len;i++){
int j = i+len-1;
if(flag[i+1][j-1]==1&&s.charAt(i)==s.charAt(j)){ //两边扩展一个字符,判断是不是回文
flag[i][j]=1;
maxLength=len;
low=i;
}
}
}
return s.substring(low,maxLength+low);
}
}
动态规划:就是把一个大的条件转换为一个个小的条件,这里要求最长的回文子串,最短的回文子串是1,不过无法构成动态,所以我们先把长度为2的回文子串找出来,flag数组中flag[i][j]是标记i-j是否为回文子串,数值为1就是,0就不是。如果s[i,j]是回文子串,需要满足两个条件,1、s[i+1,j-1]是回文子串,2、s[i]=s[j]。所以这里是从长度为2的回文子串开始动态改变子串的长度,这里也是向两边扩展,和解法2的有一点类似。
时间复杂度:O(n^2)
空间复杂度:O(n^2)
4、Manacher
class Solution {
public String longestPalindrome(String str) {
// 1.构造新的字符串
// 为了避免奇数回文和偶数回文的不同处理问题,在原字符串中插入'#',将所有回文变成奇数回文
StringBuilder newStr = new StringBuilder();
newStr.append('#');
for (int i = 0; i < str.length(); i ++) {
newStr.append(str.charAt(i));
newStr.append('#');
}
// rad[i]表示以i为中心的回文的最大半径,i至少为1,即该字符本身
int [] rad = new int[newStr.length()];
// right表示已知的回文中,最右的边界的坐标
int right = -1;
// id表示已知的回文中,拥有最右边界的回文的中点坐标
int id = -1;
// 2.计算所有的rad
// 这个算法是O(n)的,因为right只会随着里层while的迭代而增长,不会减少。
for (int i = 0; i < newStr.length(); i ++) {
// 2.1.确定一个最小的半径
int r = 1;
if (i <= right) {
r = Math.min(rad[id] - i + id, rad[2 * id - i]);
}
// 2.2.尝试更大的半径
while (i - r >= 0 && i + r < newStr.length() && newStr.charAt(i - r) == newStr.charAt(i + r)) {
r++;
}
// 2.3.更新边界和回文中心坐标
if (i + r - 1> right) {
right = i + r - 1;
id = i;
}
rad[i] = r;
}
// 3.扫描一遍rad数组,找出最大的半径和索引位置
int maxLength = 0;
int index = 0;
for (int i = 0,len = rad.length;i<len;i++) {
if (rad[i] > maxLength) {
maxLength = rad[i];
index = i;
}
}
return newStr.toString().substring(index-maxLength+1,index+maxLength).replace("#","");
}
}
这种算法的详细解释有点复杂,它是把字符串的长度都转为奇数,通过添加一个“#”,然后遍历每一个字符,计算出以这个字符为中心的最长回文子串的长度,把这些长度放入一个数组中,全部求出后,就可以得出最长回文子串了,不过它这里对应算法进行了优化,把一些重复的计算巧妙的根据对称性巧妙的避开了,具体可自行查找Manacher算法的原理,这种方法好像时间复杂度好像更小。
时间复杂度:O(n);
空间复杂度:O(n);