代码随想录算法训练营第五十七天|647. 回文子串、516. 最长回文子序列

第九章 动态规划part17

647. 回文子串

给你一个字符串 s ，请你统计并返回这个字符串中 回文子串 的数目。

回文字符串 是正着读和倒过来读一样的字符串。

子字符串 是字符串中的由连续字符组成的一个序列。

具有不同开始位置或结束位置的子串，即使是由相同的字符组成，也会被视作不同的子串。

暴力法：

class Solution {
public:
    bool isPalindrome(string s){
        int length=s.size();
        int start=0;
        int end=length-1;
        while(s[start]==s[end]&&start<end){
            start++;
            end--;
        }
        if(start>=end)  return true;
        else return false;
    }
    int countSubstrings(string s) {
        int count=0;
        for(int i=0;i<s.size();i++){
            for(int j=0;j<=i;j++){
                string subs=s.substr(j,i-j+1);
                if(isPalindrome(subs))  count++;
            }
        }
        return count;
    }
};

 动态规划(看了题解）：

状态转移思路跟之前的动态规划不太一样，主要方法是：如果字符串首尾相同，中间是回文串，则该字符串是回文串（特殊情况只有一个元素，两个相同元素），从而可以实现动态规划。

dp[i][j]定义：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。

递推公式：如果s[i]==s[j]&&(j-i<=1||dp[i+1][j-1])  dp[i][j]=true

遍历顺序：为确保dp[i+1][j-1]在dp[i][j]之前获得，故遍历顺序为从下到上，从左到右。

class Solution {
public:
    int countSubstrings(string s) {
        vector<vector<int>> dp(s.size(),vector<int>(s.size(),0));
        int result=0;
        for(int i=s.size()-1;i>=0;i--){
            for(int j=i;j<s.size();j++){
                if(s[i]==s[j]&&(j-i<=1||dp[i+1][j-1])){
                    dp[i][j]=true;
                    result++;
                }
            }
        }
        return result;
    }
};

516. 最长回文子序列

给你一个字符串 s ，找出其中最长的回文子序列，并返回该序列的长度。

子序列定义为：不改变剩余字符顺序的情况下，删除某些字符或者不删除任何字符形成的一个序列。

跟前面的题思路其实一致，不过还是看了题解。主要不同在于dp的定义。

在本题中dp[i][j]的定义为： 区间范围[i,j] （注意是左闭右闭）的子串的最长回文子序列长度。

递推公式为：

dp[i]==dp[j]时，dp[i][j]=dp[i+1][j-1]+2;

dp[i]!=dp[j]时，dp[i][j]=max(dp[i+1][j],dp[i][j-1]);

初始化，i==j时，即一个字符的最长回文子序列长度为1。

遍历顺序与上一题同。

class Solution {
public:
    int longestPalindromeSubseq(string s) {
        vector<vector<int>> dp(s.size(),vector<int>(s.size(),0));
        for(int i=0;i<s.size();i++)  dp[i][i]=1;
        for(int i=s.size()-1;i>=0;i--){
            for(int j=i+1;j<s.size();j++){
                if(s[i]==s[j])  dp[i][j]=dp[i+1][j-1]+2;
                else  dp[i][j]=max(dp[i+1][j],dp[i][j-1]);
            }
        }
        return dp[0][s.size()-1];
    }
};