我的题解(动态规划)
思路:
-
- 确定状态 dp[i][j]
dp[i][j]
表示:字符串s
中从索引i
到j
的子串中最长回文子序列的长度。
- 确定状态 dp[i][j]
-
- 确定状态转移方程
- 如果
s[i] == s[j]
,则dp[i][j] = dp[i + 1][j - 1] + 2
- 这是因为
s[i]
和s[j]
可以作为最长回文子序列的一部分,并且dp[i + 1][j - 1]
是s[i+1...j-1]
的最长回文子序列长度。
- 这是因为
- 如果
s[i] != s[j]
,则dp[i][j] = max(dp[i + 1][j], dp[i][j - 1])
- 这是因为最长回文子序列要么在子串
s[i+1...j]
中,要么在子串s[i...j-1]
中。
- 这是因为最长回文子序列要么在子串
-
- 确定边界条件
对于所有i
,dp[i][i] = 1
。这是因为任何单个字符都是一个长度为 1 的回文子序列。
- 确定边界条件
-
- 确定计算顺序
计算顺序决定了动态规划数组dp
的填充顺序。在这个问题中,我们需要按照子问题的规模从小到大来填充dp
数组:
从s.length() - 1
开始向下遍历,然后对于每个i
,从i + 1
开始向右遍历。
- 确定计算顺序
-
- 确定最终答案
最终答案是dp[0][s.length() - 1]
,它表示整个字符串s
中的最长回文子序列的长度。
- 确定最终答案
class Solution {
public int longestPalindromeSubseq(String s) {
int[][] dp = new int[s.length()][s.length()];
for (int i = 0; i < s.length(); i++){
dp[i][i] = 1;
}
for(int i = s.length() - 1; i >= 0; i--){
for(int j = i + 1; j < s.length(); 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][s.length() - 1];
}
}