题目:
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
题意解释
最长子序列区别于最长回文子串,子串必须是连续的,而子序列则可以跳跃,
例如:aabcaa的最长回文子串为aa,但是它的最长回文子序列为aabaa或aacaa.
一般思路
例如:a 则最长回文子序列为 a
bab 则最长回文子序列为 bab
bacb 则最长回文子序列为 bab 或 bcb
不难发现规律:
从第一个和最后一个开始比较。如果最后一个和第一个相等。
则result等于以第二个到倒数第二个为新的字符串求最长回文子序列加二。
f(“bacb”) = f(“ac”) + 2
如果不相等则有:
f(“bacbe”) = max(f(“bacb”),f(“acbe”)
依次内推。。。。。。
自己踩过的坑(根据上面的推导):
public static int longestPalindromeSubseq(String s) {
return longestPalindromeSubseq(s.toCharArray(),0,s.length()-1);
}
public int longestPalindromeSubseq(char[] array,int start, int end) {
if (start == end) return 1;
if (start > end) return 0;
if (array[start] == array[end]){
return longestPalindromeSubseq(array,start + 1, end - 1) + 2;
}else {
return Math.max(longestPalindromeSubseq(array,start, end - 1), longestPalindromeSubseq(array,start + 1, end));
}
}
运行结果
超出时间限制
分析原因
例如:在计算f(“bacbe”) = max(f(“bacb”),f(“acbe”)时。当我们计算f(“bacb”)
和f(“acbe”)我们会重复计算f(“ac”) 当字符串越长我们重复计算的次数越多,
这就是我们超时的原因。
优化
如果我们能将我们已经结算过的值保持起来,当再次使用时直接取值即可。
优化后
public static int longestPalindromeSubseq1(String s) {
int[][] array = new int[s.length()][s.length()];
return longestPalindromeSubseq(s,0,s.length()-1, array);
}
private static int longestPalindromeSubseq(String s,int start, int end, int[][] array) {
if (array[start][end] != 0) return array[start][end];//如果值已经计算出,则直接返回
if (start == end) return 1;//如果相等则说明只有一个字符了,返回1
if (start > end) return 0;//如果start大于end,返回0
if (s.charAt(start) == s.charAt(end)){
array[start][end] = longestPalindromeSubseq(s,start + 1, end - 1, array) + 2;//保持值
}else {
array[start][end] = Math.max(longestPalindromeSubseq(s,start, end - 1, array), longestPalindromeSubseq(s,start + 1, end, array));//保持值
}
return array[start][end];
}
以上是自己的代码结合相关文章进行改进的,目的是给出一般的思维及其优化过程。
改进(运用动态规划)
动态规划算法是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递
推(或者说分治)的方式去解决。动态规划算法的基本思想与分治法类似,也是将待
求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为
后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解
,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题
,最后一个子问题就是初始问题的解。
基本思想:
由于动态规划解决的问题多数有重叠子问题这个特点,为减少重复计算,对每一个子
问题只解一次,将其不同阶段的不同状态保存在一个二维数组中。
- 定义dp数组:dp[i][j]表示区间[i,j]对应子串的最长回文子序列的长度。
- 根据递归式,我们很容易得到状态转移方程:
- 由于计算dp[i][j]可能需要借助dp[i][j-1]和dp[i+1][j],即前一列和下一行的结果,所以填表的方向是从下往上,从左往右,如图箭头所示。
代码
public static int longestPalindromeSubseq(String s) {
int n = s.length();
int[][] dp = new int[n][n];
for (int i = n - 1; i >= 0; i--) {
dp[i][i] = 1;
for (int j = i + 1; j < n; 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 + 1][j], dp[i][j - 1]);
}
}
}
return dp[0][n - 1];
}