题目描述
给定一个字符串s,找到其中最长的回文子序列,并返回该序列的长度。
输入描述
输入为一行,字符串s。(长度不超过1000)
输出描述
输出一个整数,最长回文子序列的长度。
样例1
输入
bbba
输出
4
样例2
输入
cbbd
输出
2
AC代码
#include <iostream>
#include <iostream>
#include <string>
using namespace std;
int main() {
string s;
cin >> s;
int n = s.length();
int** dp = new int*[n];
for (int i = 0; i < n; i++) {
dp[i] = new int[n];
}
for (int i = 0; i < n; i++) {
dp[i][i] = 1;
}
for (int i = n - 1; i >= 0; i--) {
for (int j = i + 1; j < n; 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]);
}
}
}
cout << dp[0][n - 1] << endl;
// 释放动态分配的内存
for (int i = 0; i < n; i++) {
delete[] dp[i];
}
delete[] dp;
return 0;
}
首先,你的代码已经实现了找到最长回文子序列的功能,很不错!但是,这个问题确实有更高效的解法。
你的代码使用了动态规划的思想,通过填充一个二维数组dp来记录子问题的解。dp[i][j]表示字符串s从第i个字符到第j个字符之间的最长回文子序列的长度。
在你的代码中,你使用了一个双重循环来填充dp数组。这种方法的时间复杂度为O(n^2),其中n是字符串s的长度。虽然这种方法已经是一个很好的解法,但是我们可以进一步优化。
我们可以使用另一种动态规划的思路,将问题转化为求解最长公共子序列(Longest Common Subsequence,简称LCS)的问题。具体做法是,将原字符串s反转得到字符串t,然后求解s和t的最长公共子序列的长度,即为最长回文子序列的长度。
这种方法的时间复杂度为O(n^2),与你的方法相同,但是它的空间复杂度可以优化到O(n)。因为在求解最长公共子序列时,我们只需要使用一个一维数组来记录中间结果即可。
下面是使用最长公共子序列方法的代码示例:
#include <iostream>
#include <string>
#include <algorithm>
using namespace std;
int longestPalindromeSubseq(string s) {
string t = s;
reverse(t.begin(), t.end());
int n = s.length();
int* dp = new int[n + 1];
for (int i = 0; i <= n; i++) {
dp[i] = 0;
}
for (int i = 1; i <= n; i++) {
int pre = 0;
for (int j = 1; j <= n; j++) {
int temp = dp[j];
if (s[i - 1] == t[j - 1]) {
dp[j] = pre + 1;
} else {
dp[j] = max(dp[j], dp[j - 1]);
}
pre = temp;
}
}
int result = dp[n];
delete[] dp;
return result;
}
int main() {
string s;
cin >> s;
int result = longestPalindromeSubseq(s);
cout << result << endl;
return 0;
}
这段代码中,我们使用了一个一维数组dp来记录中间结果。dp[i]表示字符串s的前i个字符和字符串t的前i个字符之间的最长公共子序列的长度。通过动态规划的思想,我们可以逐步填充dp数组,最终得到最长公共子序列的长度,即为最长回文子序列的长度。