代码随想录第五十七天|647、516
Leetcode 647. 回文子串
题目链接: 回文子串
自己的思路:想不到!!!
动态思路:直接动规五部曲:1、dp数组的含义:dp[i][j]表示以[i,j]为首和尾的字符串是否是回文子串,为boolean类型(不好想);2、递推公式:这里要看s[i]和s[j]是否相等,如果相等的话才会有递推,如果不相等的话,直接不处理即可,如果相等的话,还要判断一下j和i之间的距离,因为可能i和j是重合的,或者两个是挨着的,如果重合或者挨着的话,那么dp[i][j]就是true,而且result++,如果不重合也不挨着的话,那么dp[i][j]就和dp[i+1][j-1]有关系了,画一维坐标图就行,这里还要看一下dp[i+1][j-1]是不是true,如果是的话,那么dp[i][j]也是true,并且result++,如果不是直接不用处理;3、dp数组初始化,这里直接初始化为false,因为不可能都是true,如果是false的话后面也会覆盖掉;4、遍历顺序:由于dp[i][j]和dp[i+1][j-1]有关,也就是右上角的数和左下角有关,那么要从右上向左下遍历;5、打印dp数组:主要用于debug!!!!!
代码:
class Solution {
public int countSubstrings(String s) {
int length = s.length();
int result = 0;
boolean[][] dp = new boolean[length][length];
for (int i =length-1;i>=0;i--){
//j要大于i
for (int j=i;j<length;j++){
if (s.charAt(i)==s.charAt(j)){
//递推公式
if (j-i<=1){
dp[i][j] = true;
result++;
}
else{
if (dp[i+1][j-1]){
dp[i][j] = true;
result++;
}
}
}
}
}
return result;
}
}
双指针思路:这个思路空间复杂度进行了优化,主要是找一个中心点,然后向两边扩散,中心可能是一个元素,也可能是两个元素,一个元素的时候中心点有length个,两个元素的时候中心点有length-1个,所以是2*length-1个中心点,然后就是left和right的初始化,有可能left和right是相等的,也有可能是挨着的,所以我们初始化right的时候要看i的奇偶,主要是left的初始化,i/2是为了可以遍历所有的字符。
代码:
class Solution {
public int countSubstrings(String s) {
int result = 0;
for (int i =0;i<2*s.length()-1;i++){
int left = i/2;
int right = left + i%2;
while(left>=0&&right<s.length()){
if (s.charAt(left)==s.charAt(right)){
result++;
left--;
right++;
}else{
break;
}
}
}
return result;
}
}
Leetcode 516. 最长回文子序列
题目链接: 最长回文子序列
自己的思路:想不到!!!!!!
正确思路:直接动规五部曲:1、dp数组的含义:dp[i][j]表示[i,j]区间的s的最长回文子序列的长度;2、递推公式:这里主要是考虑两种情况:(1)、s[i]=s[j]的时候,这种时候dp[i][j]就和dp[i+1][j-1]有关了,在这个的基础上加2(因为两个元素)即可;(2)、s[i]!=s[j]的时候,这种时候就要分情况当不考虑s[i]的时候,和不考虑s[j]的时候,然后在两者中取一个最大值;3、dp数组初始化:这里要思考整个dp数组的根源在哪,当里面的元素一直缩直到缩到一个元素的时候就是根源,所以我们只需要初始化dp[i][i]为1即可;4、遍历顺序:这里是由左下角推右上角,所以是下到上遍历;5、打印dp数组:主要用于debug!!!!
代码:
class Solution {
public int longestPalindromeSubseq(String s) {
int l = s.length();
int[][] dp = new int[l][l];
for (int i=l-1;i>=0;i--){
dp[i][i] = 1;
for(int j = i+1;j<l;j++){
//递推公式
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][l-1];
}
}