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"
最长回文字串是典型的dp问题,但是该题有多种实现方式。
首先是暴力法,对每个数组对,均判断是否是回文,并判断是否长度为最长,此时提交结果为超时。
class Solution:
def longestPalindrome(self, s: str) -> str:
n = len(s)
if n == 0 or n == 1:
return s
length = 0
res = s[0]
for i in range(n-1):
for j in range(i+1, n):
start = i
end = j
flag = True
while start < end:
if s[start] != s[end]:
flag = False
break
else:
start += 1
end -= 1
if flag and j - i + 1 > length:
res = s[i:j+1]
length = j - i + 1
return res
然后就是最大众的解法,动态规划。动态规划主要就是分析把大问题分解为小问题,分析状态转移方程,最直观的解法就是初始化一个字母和两个字母的回文情况,更长的则根据非最外两个字母的回文情况来确定,如果中间的是回文且两边元素相等,即为回文。因此可以写出状态转移方程:f(i,j):s[i]==s[j] i-j<=1; f(i,j):s[i]==s[j] and f(i+1,j-1) j-i>1,其中:f(i,j)表示s[i:j+1]是否回文串
class Solution:
def longestPalindrome(self, s: str) -> str:
# dp
k = len(s)
# 先定义dp空间
dp = [[False for _ in range(k)] for _ in range(k)]
longestsub = ''
length = 0
for i in range(k):
for j in range(0, i+1): # 此处为j+1是为了处理一个字母的回文
if i-j < 2:
if s[j] == s[i]:
dp[j][i] = True
if length < i-j+1:
length = i-j+1
longestsub = s[j:i+1]
else:
if dp[j+1][i-1] and s[j] == s[i]:
dp[j][i] = True
if length < i-j+1:
length = i-j+1
longestsub = s[j:i+1]
return longestsub
面试时可能会加分,马拉车,Manacher算法,是一种线性实现最长子串的算法,题解中有一个大神写的很清楚,这里借用一下。。
class Solution:
def longestPalindrome(self, s: str) -> str:
# 马拉车算法
# 先在字符串中间加符号隔开,使得奇偶回文数的形式统一
# 然后用kmp的思想去优化中心扩散
if len(s)== 0:return ""
s_new = '#' + '#'.join(s) + '#'
#print(s_new)
#已遍历的最大右边界
mx = 0
#对应的中心点
mid = 0
l = len(s_new)
# 扩散半径数组,初始值1或者0都可以,只是代表刚开始的时候扩散半径是多少而已
p = [1]*l
for i in range(l):
if i<mx:
# 这个时候可以用已经计算过的值
# 不能超过已遍历的右边界
# i对应的镜像 = 2*mid - i
# 由mx定义可知半径最长不会超过mx-i
p[i] = min(mx-i,p[2*mid-i])
# 主要的优化已经在上面节省了时间,接下来就是正常的扩散
while( i-p[i]>=0 and i+p[i]<l and s_new[i-p[i]] == s_new[i+p[i]]):
p[i] += 1
# 记录一下mx和mid
if i+p[i] > mx:
mx = i+p[i]
mid = i
maxr = max(p)
ans = p.index(maxr)
# 因为跳出循环的时候多加了1,所以实际上的扩散半径应该减1
maxr -= 1
return s_new[ans-maxr:ans+maxr+1].replace('#',"")