题目
给定一个字符串,请统计回文子串的数量。
输入:s = “aaa”
输出:6
解释:6个回文子串: “a”, “a”, “a”, “aa”, “aa”, “aaa”
原题链接: https://leetcode.cn/problems/palindromic-substrings/
思路
思路1
动态规划。题目和《最长回文子串》。
如果 s[i, j] 是一个回文子串,那么 s[i+1, j-1] 也是一个回文子串。反过来,如果s[i+1, j-1] 是一个回文子串,且 s[i] == s[j],那么 s[i, j] 也是一个回文子串。
那么我们记 dp[i, j] 表示从 i 到 j 的字符串是否为回文子串,转移方程为
dp[i, j] = dp[i+1, j-1] && s[i] == s[j]
回文子串有两种基础的情况,一种是类似于 “aba” 长度为奇数的回文串,另一种是类似于 “abba” 长度为偶数的回文串。所以初始化需要考虑两种情况:
如果子串的长度为1,那这个子串就是一个回文子串,所以可以初始化为
for (i = 0; i < n; i++):
dp[i, i] = true
还有一种情况,则需要进行一次判断:
for (i = 0; i < n - 1; i++):
dp[i, i+1] = true if s[i] == s[i+1] else false
如上图所示,蓝色的点为初始化的点,黄色的点表示转移方程依赖关系。
同时满足 j > i ,那么遍历的时候只需要遍历图中右上半部分即可,从下往上,从左往右。需要稍微注意一下起始坐标:
for (i = n - 3; i >= 0; i--):
for (j = i + 2; j < n; j++):
在遍历的过程中,记录回文子串的数量。
- 复杂度分析
- 时间复杂度 O(n^2)。
- 空间复杂度 O(n^2)。
思路1 优化版
由于 dp[i][j] 只和 dp[i + 1][j - 1] 相关,空间复杂度可以优化到 O(n)。
这样循环就直接变成
for (i = n - 1; i >= 0; i--):
for (j = i; j < n; j++):
然后进一步分类讨论:
- 当 i == j 时,dp1[j] == true
- 当 i + 1 == j 时,if (s[i] == s[j]),dp1[j] == ture
- 其他index时,当 if (s[i] == s[j] && dp0[j - 1]),dp1[j] == true
- 此外,所有情况都是dp1[j] == false
这样判断逻辑就清晰了。
- 复杂度分析
- 时间复杂度 O(n^2)。
- 空间复杂度 O(n)。
思路2
中心拓展法。
其实可以遍历一遍字符串的 index,以当前 index 为中心,然后向外拓展,如果 s[cur + x] == s[cur - x] 则满足回文条件, 如果不满足,或者遇到了边界,则直接截断返回。
这里的 index 的遍历,应该是 0.5 为步长。因为需要考虑 “aba”、“abba” 这两种回文情况。
这种方式,时间复杂度还是O(n^2),但是不需要额外的空间。
- 复杂度分析
- 时间复杂度 O(n^2)。
- 空间复杂度 O(1)。
代码
代码1
class Solution {
public:
int countSubstrings(string s) {
int n = s.size();
int result = 0;
vector<vector<bool>> dp(n, vector<bool>(n, false));
for (int i = 0; i < n; i++) {
dp[i][i] = true;
result++;
}
for (int i = 0; i < n - 1; i++) {
if (s[i] == s[i + 1]) {
dp[i][i + 1] = true;
result++;
}
}
for (int i = n - 3; i >= 0; i--) {
for (int j = i + 2; j < n; j++) {
if (dp[i + 1][j - 1] && s[i] == s[j]) {
dp[i][j] = true;
result++;
}
}
}
return result;
}
};
代码1 优化版
class Solution {
public:
int countSubstrings(string s) {
int n = s.size();
int result = 0;
vector<bool> dp0(n, false);
vector<bool> dp1(n, false);
for (int i = n - 1; i >= 0; i--) {
dp0 = dp1;
for (int j = i; j < n; j++) {
if (i == j || (s[i] == s[j] && (i + 1 == j || dp0[j - 1]))) {
dp1[j] = true;
result++;
}
else {
dp1[j] = false;
}
}
}
return result;
}
};
代码2
class Solution {
public:
int countSubstrings(string s) {
int n = s.size();
int result = 0;
for (int i = 0; i < 2 * n - 1; i++) {
int left = i / 2;
int right = (i + 1) / 2;
while (left >= 0 && right < s.size() && s[left] == s[right]) {
result++;
left--;
right++;
}
}
return result;
}
};