最长回文子串第二部分（leetcode）

最新推荐文章于 2023-08-27 21:22:36 发布

ACDoge

最新推荐文章于 2023-08-27 21:22:36 发布

阅读量564

点赞数

分类专栏： ☆8.字符串算法 ----最长回文子串

☆8.字符串算法同时被 2 个专栏收录

12 篇文章 0 订阅

订阅专栏

----最长回文子串

5 篇文章 0 订阅

订阅专栏

原始链接来自：http://articles.leetcode.com/longest-palindromic-substring-part-ii

最长回文矩阵第二部分

2011年11月20日作者：1337c0d3r

给定一个字符串S，找到S中最长的回文子串。

注：
这是文章的第二部分：最长回文子串。在这里，我们描述一种算法（Manacher算法），它在线性时间中找到最长的回文子串。请阅读第I部分了解更多背景信息。

在我的上一篇文章中，我们讨论了总共四种不同的方法，其中有一个非常简单的算法与O（N ²）运行时间和恒定的空间复杂性。这里，我们讨论在O（N）时间和O（N）空间中运行的算法，也称为Manacher算法。

提示：
想想如何改进更简单的O（N ²）方法。考虑最坏的情况。最坏情况情况是具有彼此重叠的多个回文的输入。例如，输入：“aaaaaaaaa”和“cabcbabcbabcba”。事实上，我们可以利用回文的对称性，避免一些不必要的计算。

O（N）解（Manacher算法）：
首先，通过在字母之间插入一个特殊字符“＃”，将输入字符串S转换为另一个字符串T. 这样做的原因很快就会很快清楚。

例如：S =“abaaba”，T =“＃a＃b＃a＃a＃b＃a＃”。

为了找到最长的回文子串，我们需要围绕每个T _i扩展，使得T _i-d ... T _{i + d}形成回文。你应该立即看到，d是以T _i为中心的回文本身的长度。

我们将中间结果存储在数组P中，其中P [i]等于T _i处回文中心的长度。最长的回文子串将是P中的最大元素。

使用上面的例子，我们填充P如下（从左到右）：

T =＃a＃b＃a＃a＃b＃a＃
P = 0 1 0 3 0 1 6 1 0 3 0 1 0

看着P，我们立刻看到，最长的回文是“abaaba”，如P ₆ = 6所示。

你注意到在字母之间插入特殊字符（＃），奇数和偶数长度的回文都得到了慷慨的处理？（请注意：这是为了更容易地演示这个想法，并不一定需要对算法进行编码。）

现在，想象你在回文“abaaba”的中心画一条假想的垂直线。你注意到P中的数字是围绕这个中心对称吗？这不仅是它，尝试另一个回文“aba”，数字也反映类似的对称性。这是巧合吗？答案是肯定的，没有。这只是真的受到一个条件，但无论如何，我们有很大的进步，因为我们可以消除重新计算部分P [i]。

让我们继续一个稍微更复杂的例子，更多一些重叠的回文，其中S =“babcbabcbaccba”。

上图显示了从S =“babcbabcbaccba”转换的T. 假设您达到了表P部分完成的状态。实竖线表示回文“abcbabcba”的中心（C）。两个虚线垂直线分别表示其左（L）和右（R）边。你在索引i，它的镜像索引围绕C是i'。你如何有效地计算P [i]？

假设我们已经到达索引i = 13，并且我们需要计算P [13]（由问号？表示）。我们首先看看它在回文中心C周围的镜像索引i'，其索引i'= 9。

上面的两个绿色实线表示以i和i'为中心的两个回文覆盖的区域。我们看看C周围的镜像索引，这是索引i'。P [i'] = P [9] = 1。很明显，由于围绕其中心的回文的对称性质，P [i]也必须为1。

从上面可以看出，很明显，P [i] = P [i'] = 1，由于回文中心周围的对称属性，它必须是真的。事实上，C之后的所有三个元素遵循对称性质（即P [12] = P [10] = 0，P [13] = P [9] = 1，P [14] = P [8] 0）。

现在我们在索引i = 15，并且其在C周围的镜像索引是i'= 7.P [15] = P [7] = 7？

现在我们在索引i = 15。P [i] 的值是多少？如果我们遵循对称性质， P [i] 的值应该与P [i'] = 7相同。但是这是错误的。如果我们在T ₁₅周围围绕中心扩展，则它形成回文“a＃b＃c＃b＃a”，其实际上比由对称副本指示的回文短。为什么？

彩色线围绕中心在索引i和i'处重叠。绿色实线表示由于C周围的对称属性而必须与两侧匹配的区域。红色实线表示两侧可能不匹配的区域。虚线绿色线表示穿过中心的区域。

很清楚，由两条实线所示的区域中的两个子串必须精确匹配。中心区域（用绿色虚线表示）也必须是对称的。小心注意，P [i']是7，并且它一直扩展到回文的左边缘（L）（由实线红线表示），其不再落在回文的对称属性之下。所有我们知道的是 P [i] ≥5，并且为了找到P [i]的实际值，我们必须通过扩展超过右边缘（R）进行字符匹配。在这种情况下，由于P [21]≠P [1]，我们得出结论P [i] = 5。

让我们总结一下这个算法的关键部分如下：

如果 P [i']≤R-i，
则 P [i]←P [i']
否则 P [i]≥P[i']。（我们必须扩展超过右边缘（R）才能找到P [i]。

看看它是多么优雅？如果你能够完全掌握上面的总结，你已经获得了这个算法的本质，这也是最难的部分。

最后一部分是确定我们应该何时将C的位置与R一起移动到右边，这很容易：

如果以i为中心的回文扩展超过R，我们将C更新为i（这个新回文的中心），并将R扩展到新回文的右边缘。

在每个步骤中，有两种可能性。如果P [i]≤R-i，我们将P [i]设置为P [i']，其恰好采用一步。否则，我们尝试通过从右边缘开始扩展将回文中心改变为i。扩展R（内部while循环）最多总共需要N个步骤，并且定位和测试每个中心总共需要N个步骤太。因此，该算法保证在最多2 * N步完成，给出线性时间解。

// Transform S into T.
// For example, S = "abba", T = "^#a#b#b#a#$".
// ^ and $ signs are sentinels appended to each end to avoid bounds checking
string preProcess(string s) {
  int n = s.length();
  if (n == 0) return "^$";
  string ret = "^";
  for (int i = 0; i < n; i++)
    ret += "#" + s.substr(i, 1);
 
  ret += "#$";
  return ret;
}
 
string longestPalindrome(string s) {
  string T = preProcess(s);
  int n = T.length();
  int *P = new int[n];
  int C = 0, R = 0;
  for (int i = 1; i < n-1; i++) {
    int i_mirror = 2*C-i; // equals to i' = C - (i-C)
    
    P[i] = (R > i) ? min(R-i, P[i_mirror]) : 0;
    
    // Attempt to expand palindrome centered at i
    while (T[i + 1 + P[i]] == T[i - 1 - P[i]])
      P[i]++;
 
    // If palindrome centered at i expand past R,
    // adjust center based on expanded palindrome.
    if (i + P[i] > R) {
      C = i;
      R = i + P[i];
    }
  }
 
  // Find the maximum element in P.
  int maxLen = 0;
  int centerIndex = 0;
  for (int i = 1; i < n-1; i++) {
    if (P[i] > maxLen) {
      maxLen = P[i];
      centerIndex = i;
    }
  }
  delete[] P;
  
  return s.substr((centerIndex - 1 - maxLen)/2, maxLen);
}

注意：
这个算法肯定是不平凡的，你不会在面试准备期间想出这样的算法。但是，我希望你喜欢阅读这篇文章，希望它能帮助你理解这个有趣的算法。你应该得到一个掌声，如果你走了这么远！