LeetCode 647. 回文子串
题目链接:https://leetcode.cn/problems/palindromic-substrings/description/
文章链接:https://programmercarl.com/0647.%E5%9B%9E%E6%96%87%E5%AD%90%E4%B8%B2.html
思路
我们在判断字符串S是否是回文,那么如果我们知道 s[1],s[2],s[3] 这个子串是回文的,那么只需要比较 s[0]和s[4]这两个元素是否相同,如果相同的话,这个字符串s 就是回文串。
那么此时我们是不是能找到一种递归关系,也就是判断一个子字符串(字符串的下表范围[i,j])是否回文,依赖于,子字符串(下表范围[i + 1, j - 1])) 是否是回文。
所以为了明确这种递归关系,我们的dp数组是要定义成一位二维dp数组。
布尔类型的dp[i][j]:表示区间范围[i,j] (注意是左闭右闭)的子串是否是回文子串,如果是dp[i][j]为true,否则为false。
在确定递推公式时,就要分析如下几种情况。
整体上是两种,就是s[i]与s[j]相等,s[i]与s[j]不相等这两种。
当s[i]与s[j]不相等,那没啥好说的了,dp[i][j]一定是false。
当s[i]与s[j]相等时,这就复杂一些了,有如下三种情况
情况一:下标i 与 j相同,同一个字符例如a,当然是回文子串
情况二:下标i 与 j相差为1,例如aa,也是回文子串
情况三:下标:i 与 j相差大于1的时候,例如cabac,此时s[i]与s[j]已经相同了,我们看i到j区间是不是回文子串就看aba是不是回文就可以了,那么aba的区间就是 i+1 与 j-1区间,这个区间是不是回文就看dp[i + 1][j - 1]是否为true。
public int countSubstrings(String s) {
int len = s.length();
Boolean[][] dp = new Boolean[len][len];
Arrays.fill(dp, false);
int res = 0;
for (int i = len - 1; i >= 0; i--) {
char t1 = s.charAt(i);
for (int j = i; j < len; j++) {
char t2 = s.charAt(j);
if (t1 == t2) {
if (j - i <= 1){
res++;
dp[i][j] = true;
}else if (dp[i+1][j-1]){
res++;
dp[i][j] = true;
}
}
}
}
return res;
}
LeetCode 516.最长回文子序列
题目链接:https://leetcode.cn/problems/longest-palindromic-subsequence/description/
文章链接:https://programmercarl.com/0516.%E6%9C%80%E9%95%BF%E5%9B%9E%E6%96%87%E5%AD%90%E5%BA%8F%E5%88%97.html#%E7%AE%97%E6%B3%95%E5%85%AC%E5%BC%80%E8%AF%BE
思路
* dp[i][j]:字符串s在[i, j]范围内最长的回文子序列的长度为dp[i][j]。
* 在判断回文子串的题目中,关键逻辑就是看s[i]与s[j]是否相同。
* 如果s[i]与s[j]相同,那么dp[i][j] = dp[i + 1][j - 1] + 2;
* 如果s[i]与s[j]不相同,说明s[i]和s[j]的同时加入 并不能增加[i,j]区间回文子序列的长度,那么分别加入s[i]、s[j]看看哪一个可以组成最长的回文子序列。
* 加入s[j]的回文子序列长度为dp[i + 1][j]。
* 加入s[i]的回文子序列长度为dp[i][j - 1]。
* 那么dp[i][j]一定是取最大的,即:dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
public int longestPalindromeSubseq(String s) {
int len = s.length();
int[][] dp = new int[len][len];
for (int i = len - 1; i >= 0; i--) {
char t1 = s.charAt(i);
for (int j = i + 1; j < len; j++) {
char t2 = s.charAt(j);
if (t1 == t2)
dp[i][j] = dp[i + 1][j - 1] + 2;
else
dp[i][j] = Math.max(Math.max(dp[i][j],dp[i+1][j]), dp[i][j-1]);
}
}
return dp[0][len-1];
}