最长回文子序列[经典动归二类--开头结尾双循环 + 状态压缩]

前言

动态规划三类，一类O(n)动归；二类O(nn)开头结尾双循环动归；三类O(nn)背包式动归。当然并不是都是固定的时间复杂度，可能一个问题可以拆解成多个动归子问题，就会涉及到三维状态存储（动归本质：记忆化数组，空间换时间。）等动归。

一、最长回文子序列

二、动归二类+状态压缩

package com.xhu.offer.everyday;

import java.util.Arrays;

//最长回文子序列下
public class LongestPalindromeSubseq {
    /*
    target:找最长回文子序列。
    如何找子序列？确定起点，确定终点，即确定一个子序列。
    如何判断子序列回文长度？可动态扩展长度，然后动态计算。
    如以i为终点，j为起点。
    1-core:状态转移
    当s[j] = s[i] 时，len_palindrome(s[j:i]) = len_palindrome(s[j+1:i-1]) + 2;
    当s[j] <> s[i]时，len_palindrome(s[j:i]) = max(len_palindrome(s[j+1:i]),len_palindrome(s[j:i-1])).
    2-初始化
    len_palindrome(s[i:i]) = 1;
     */
    public int longestPalindromeSubseq(String s) {
        char[] arr = s.toCharArray();

        int len = arr.length;
        int[][] dp = new int[len][len];

        for (int i = 0; i < len; i++) {
            dp[i][i] = 1;
            for (int j = i - 1; j >= 0; j--)
                dp[i][j] = arr[i] == arr[j] ? dp[i - 1][j + 1] + 2 : Math.max(dp[i][j + 1], dp[i - 1][j]);
        }
        return dp[len - 1][0];//返回终点为len-1,起点为0，所确定的子序列，即s本身，所一步一步算出来的最长回文长度。
    }
}

//常见状态压缩
class LongestPalindromeSubseq2 {
    /*
    target:找最长回文子序列。
    如何找子序列？确定起点，确定终点，即确定一个子序列。
    如何判断子序列回文长度？可动态扩展长度，然后动态计算。
    如以i为终点，j为起点。
    1-core:状态转移
    当s[j] = s[i] 时，len_palindrome(s[j:i]) = len_palindrome(s[j+1:i-1]) + 2;
    当s[j] <> s[i]时，len_palindrome(s[j:i]) = max(len_palindrome(s[j+1:i]),len_palindrome(s[j:i-1])).
    2-初始化
    len_palindrome(s[i:i]) = 1;
    3-状态压缩
    由于s[i:j]只用到上一个状态的j位，和当前状态已经计算过的j+1位，则可用一位数组存储上一层状态即可。
    注；dp[i-1][j+1]为上一个状态的j+1位，需要存储起来，避免被覆盖。
     */
    public int longestPalindromeSubseq(String s) {
        char[] arr = s.toCharArray();

        int len = arr.length;
        int[] dp = new int[len];

        int preJ;
        for (int i = 0; i < len; i++) {
            dp[i] = 1;
            preJ = 0;
            for (int j = i - 1; j >= 0; j--) {
                int t = dp[j];//作为下一次状态更新的j+1

                dp[j] = arr[i] == arr[j] ? preJ + 2 : Math.max(dp[j + 1], dp[j]);

                preJ = t;
            }
        }
        return dp[0];//返回终点为len-1,起点为0，所确定的子序列，即s本身，所一步一步算出来的最长回文长度。
    }
}

总结

1）动态规划的本质就是一步一步解决问题，但这个一步一步可能有三个切入点，对应三类动归。
2）状态压缩：三维变两维，二维变一维，一维变常量（二进制压缩）

参考文献

[1] LeetCode 最长回文子序列