(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(n2)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(n3),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: