最长对称子串

（java实现）

---

题目描述：

给定一个字符串（数字或大小写字母）, 找出最长的对称的子串（如有多个，输出任意一个）。
例如：
输入：“abbaad”
输出：“abba”

输入描述：

字符串

输出描述：

字符串

示例1：

输入

a1223a

输出

22

---

问题分析：

解题思路：
方法一：判断字符串的每一个子串，若是对称的，则求出它的长度即可。这种办法对每一个子串，从两头向中间判断是不是子串。
暴力法：总的时间复杂度为O(n^3),
方法二：与方法一正好相反，字符串中的每一个开始，向两边扩展，此时可分为两种情况：
（1）对称子串长度是奇数时，以当前字符为对称轴向两边扩展比较；
（2）对称子串长度是偶数时，以当前字符和它右边的字符为对称轴向两边扩展；
该种方法的时间复杂度是O(n^2)。

思路一：Manacher算法(O(n))
求回文串时需要判断其奇偶性，也就是求aba和abba的算法略有差距。然而，这个算法做了一个简单的处理，很巧妙地把奇数长度回文串与偶数长度回文串统一考虑，也就是在每个相邻的字符之间插入一个分隔符，串的首尾也要加，当然这个分隔符不能再原串中出现，一般可以用‘#’或者‘$’等字符（从而不需要考虑长度是奇数还是偶数）。

例如：
原串：abaab
新串：#a#b#a#a#b#
这样一来，原来的奇数长度回文串还是奇数长度，偶数长度的也变成以‘#’为中心的奇数回文串了。
接下来就是算法的中心思想，用一个辅助数组P记录以每个字符为中心的最长回文半径，也就是P[i]记录以S[i]字符为中心的最长回文串半径。P[i]最小为1，此时回文串为Str[i]本身。
为了防止求P[i]向两边扩展时可能数组越界，我们需要在数组最前面和最后面加一个特殊字符，令P[0]=‘$’，最后位置默认为‘\0’不需要特殊处理 。
我们可以对上述例子写出其P数组，如下:
新串： # a # b # a # a # b #
P[] : 1 2 1 4 1 2 5 2 1 2 1
我们可以证明P[i]-1就是以S[i]为中心的回文串在原串当中的长度。
证明：
1、显然L=2*P[i]-1即为新串中以S[i]为中心最长回文串长度。
2、以S[i]为中心的回文串一定是以#开头和结尾的，例如“#b#b#”或“#b#a#b#”所以L减去最前或者最后的‘#’字符就是原串中长度的二倍，即原串长度为(L-1)/2，化简的P[i]-1。
那么怎么计算P[i]呢？该算法增加两个辅助变量（其实一个就够了，两个更清晰）id和mx，其中id表示最大回文子串中心的位置，mx则为id+P[id]，也就是最大回文子串的边界。依次从前往后求得P数组就可以了，这里用到了DP(动态规划)的思想，也就是求P[i]的时候，前面的P[]值已经得到了，我们利用回文串的特殊性质可以进行一个大大的优化。我先把核心代码贴上：
这个算法的关键点就在这里了：
if(mx > i)
P[i] >= MIN(P[2 * id - i], mx - i)

//记j = 2 * id - i，也就是说 j 是 i 关于 id 的对称点。
if (mx - i > P[j]) 
    P[i] = P[j];
else /* P[j] >= mx - i */
    P[i] = mx - i; // P[i] >= mx - i，取最小值，之后再匹配更新。

当 mx - i > P[j] 的时候，以S[j]为中心的回文子串包含在以S[id]为中心的回文子串中，由于 i 和 j 对称，以S[i]为中心的回文子串必然包含在以S[id]为中心的回文子串中，所以必有 P[i] = P[j]，见下图:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tlZqwUfZ-1618556875072)(https://uploadfiles.nowcoder.com/images/20210322/4479402_1616382428973/4A47A0DB6E60853DEDFCFDF08A5CA249 “图片标题”)]
当 P[j] >= mx - i 的时候，以S[j]为中心的回文子串不一定完全包含于以S[id]为中心的回文子串中，但是基于对称性可知，下图中两个绿框所包围的部分是相同的，也就是说以S[i]为中心的回文子串，其向右至少会扩张到mx的位置，也就是说 P[i] >= mx - i。至于mx之后的部分是否对称，就只能老老实实去匹配了。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vCEqg6OG-1618556875075)(https://uploadfiles.nowcoder.com/images/20210322/4479402_1616382438773/FB5C81ED3A220004B71069645F112867 “图片标题”)]
对于 mx <= i 的情况，无法对 P[i]做更多的假设，只能P[i] = 1，然后再去匹配了。

动态规划（DP)
思想：DP的考虑源于暴力方法，暴力方法是寻找一个字符串的所有子串，需要O(n^{2)的开销，然后对于每一个子串需要O(n)的开销来判断是否是回文，故暴力方案为O(n}3)，但是这里有一个问题，就是在暴力的时候有重复判断；
例如，如果子串X为回文，那么sXs也是回文；如果X不是回文，那么sXs也不是回文；另外，ss也是回文。所以这里使用DP我们可以按照子串长度从小到大的顺序来构建DP状态数组，使用一个二维数组dp[i][j]记录子串[i-j]是否为回文子串，那么我们就有初始化和自底向上的方案了；
初始化：单字符串和相等的双字符串为回文
自底向上构造：X[i]==X[j] && dp[i+1][j-1]==1 则dp[i][j] = 1

相关知识：

Manacher算法和动态规划。

---

参考代码：

思路一实现：

import java.util.*;
public class Main {
        
    public static void main(String[] args)
    {
        Scanner input = new Scanner(System.in);
        while (input.hasNext())
        {
            String line = input.nextLine();
            StringBuilder str = new StringBuilder();
            str.append("$#");
            for (int i=0; i<line.length(); i++)
            {
                str.append(line.charAt(i)+"#");
            }
            int[] len = new int[str.length()];
            //pos为中心位置，mx为右侧最远，resMax为最长子串长度，resId为下标
            int pos=0, mx=0, resMax=0, resId=0;
            for (int i=1; i<str.length(); i++)
            {
                //马拉车算法关键步骤
                if (mx > i)
                {
                    len[i] = Math.min(len[2*pos-i],mx-i);
                }
                else
                {
                    len[i] = 1;
                }
                //
                /*
                while (str.charAt(i+len[i]) == str.charAt(i-len[i]))
                {
                    len[i]++;
                }*/
                while (i+len[i]<str.length() && i-len[i]>-1)
                {
                    if (str.charAt(i+len[i]) == str.charAt(i-len[i]))
                        len[i]++;
                    else
                        break;
                }
                //若长度有变化，则更新长度
                if (mx-i < len[i])
                {
                    mx = len[i]+i;
                    pos = i;
                }
                //记录最长信息
                if (resMax < len[i])
                {
                    resMax = len[i];
                    resId = i;
                }
            }
            int begin = (resId-resMax)/2;
            String res = line.substring(begin, begin+resMax-1);
            //C++ stringvar.substr(start [, length ])
            //String res = line.substring((resId-resMax)/2, resMax-1);
            System.out.println(res);
        }
    }
}

思路二实现：