【综合笔试题】难度 2.5/5，结合了「DP」和「回溯」的经典回文串题目

本文链接：https://blog.csdn.net/weixin_33243821/article/details/118181810

题目描述

这是 LeetCode 上的 「131. 分割回文串」 ，难度为 「中等」。

给你一个字符串 s，请你将 s 分割成一些子串，使每个子串都是「回文串」。

返回 s 所有可能的分割方案。

回文串是正着读和反着读都一样的字符串。

示例 1：

输入：s = "aab"

输出：[["a","a","b"],["aa","b"]]

示例 2：

输入：s = "a"

输出：[["a"]]

提示：

1 <= s.length <= 16
s 仅由小写英文字母组成

动态规划 + 回溯算法

求所有的分割方案，凡是求所有方案的题基本上都没有什么优化方案，就是「爆搜」。

问题在于，爆搜什么？

显然我们可以爆搜每个回文串的起点。如果有连续的一段是回文串，我们再对剩下连续的一段继续爆搜。

为什么能够直接接着剩下一段继续爆搜？

因为任意的子串最终必然能够分割成若干的回文串（最坏的情况下，每个回文串都是一个字母）。

所以我们每次往下爆搜时，只需要保证自身连续一段是回文串即可。

举个🌰 来感受下我们的爆搜过程，假设有样例 abababa，刚开始我们从起点第一个 a 进行爆搜：

发现 a 是回文串，先将 a 分割出来，再对剩下的 bababa 进行爆搜
发现 aba 是回文串，先将 aba 分割出来，再对剩下的 baba 进行爆搜
发现 ababa 是回文串，先将 ababa 分割出来，再对剩下的 ba 进行爆搜
发现 abababa 是回文串，先将 abababa 分割出来，再对剩下的 `` 进行爆搜

…

然后再对下一个起点（下个字符） b 进行爆搜？

不需要。

因为单个字符本身构成了回文串，所以以 b 为起点，b 之前构成回文串的方案，必然覆盖在我们以第一个字符为起点所展开的爆搜方案内（在这里就是对应了上述的第一步所展开的爆搜方案中）。

因此我们只需要以首个字符为起点，枚举以其开头所有的回文串方案，加入集合，然后对剩下的字符串部分继续爆搜。就能做到以任意字符作为回文串起点进行分割的效果了。

一定要好好理解上面那句话 ~

剩下的问题是，我们如何快速判断连续一段是否为回文串，因为爆搜的过程每个位置都可以作为分割点，复杂度为的。

因此我们不可能每次都使用双指针去线性扫描一遍判断是否回文。

一个直观的做法是，我们先预处理除所有的，代表这一段是否为回文串。

预处理的过程可以用递推去做。

要想，必须满足以下两个条件：

由于状态依赖于状态，因此需要我们左端点是**「从大到小」进行遍历；而右端点是「从小到大」**进行遍历。

因此，我们的遍历过程可以整理为：右端点一直往右移动（从小到大），在固定情况下，左端点在在左边开始，一直往左移动（从大到小）。

代码：

class Solution {
    public List<List<String>> partition(String s) {
        int n = s.length();
        char[] cs = s.toCharArray();
        // f[i][j] 代表 [i, j] 这一段是否为回文串
        boolean[][] f = new boolean[n][n];
        for (int j = 0; j < n; j++) {
            for (int i = j; i >= 0; i--) {
                // 当 [i, j] 只有一个字符时，必然是回文串
                if (i == j) {
                    f[i][j] = true;
                } else {
                    // 当 [i, j] 长度为 2 时，满足 cs[i] == cs[j] 即回文串
                    if (j - i + 1 == 2) {
                        f[i][j] = cs[i] == cs[j];

                    // 当 [i, j] 长度大于 2 时，满足 (cs[i] == cs[j] && f[i + 1][j - 1]) 即回文串
                    } else {
                        f[i][j] = cs[i] == cs[j] && f[i + 1][j - 1];
                    }
                }
            }
        }
        List<List<String>> ans = new ArrayList<>();
        List<String> cur = new ArrayList<>();
        dfs(s, 0, ans, cur, f);
        return ans;
    }
    /**
     * s: 要搜索的字符串
     * u: 以 s 中的那一位作为回文串分割起点
     * ans: 最终结果集
     * cur: 当前结果集
     * f: 快速判断 [i,j] 是否为回文串
     */
    void dfs(String s, int u, List<List<String>> ans, List<String> cur, boolean[][] f) {
        int n = s.length();
        if (u == n) ans.add(new ArrayList<>(cur));
        for (int i = u; i < n; i++) {
            if (f[u][i]) {
                cur.add(s.substring(u, i + 1));
                dfs(s, i + 1, ans, cur, f);
                cur.remove(cur.size() - 1);
            }
        }
    }
}

时间复杂度：动态规划预处理的复杂度为；爆搜过程中每个字符都可以作为分割点，并且有分割与不分割两种选择，方案数量为，每个字符都需要往后检查剩余字符的分割情况，复杂度为。整体复杂度为
空间复杂度：动态规划部分的复杂度为；方案数量最多为，每个方案都是完整字符串 s 的分割，复杂度为，整体复杂度为

总结

对于此类要枚举所有方案的题目，我们都应该先想到「回溯算法」。

「回溯算法」从算法定义上来说，不一定要用 DFS 实现，但通常结合 DFS 来做，难度是最低的。

「回溯算法」根据当前决策有多少种选择，对应了两套模板。

每一次独立的决策只对应选择和不选两种情况：

确定结束回溯过程的 base case
遍历每个位置，对每个位置进行决策（做选择 -> 递归 -> 撤销选择）

void dfs(当前位置, 路径(当前结果), 结果集) {
    if (当前位置 == 结束位置) {
        结果集.add(路径);
        return;
    }
        
    选择当前位置;    
    dfs(下一位置, 路径(当前结果), 结果集);
    撤销选择当前位置;
    dfs(下一位置, 路径(当前结果), 结果集);
}

每一次独立的决策都对应了多种选择（通常对应了每次决策能选择什么，或者每次决策能选择多少个 …）:

确定结束回溯过程的 base case
遍历所有的「选择」
对选择进行决策 (做选择 -> 递归 -> 撤销选择)

void dfs(选择列表, 路径(当前结果), 结果集) {
    if (满足结束条件) {
        结果集.add(路径);
        return;
    }
        
    for (选择 in 选择列表) {
        做选择;
        dfs(路径’, 选择列表, 结果集);
        撤销选择;
    }
}