算法复习之动态规划（3）

问题：最长回文子序列

题目描述

        回文指形如：“ABBA”，“CDC”等正反一样的序列，给出任意序列，计算最长回文子序列长度。（如“GOODGAME”的答案为4）

分析

定义状态

        根据求解最长递增子序列的经验，我们还需要将状态定义与长度相关，但是只引入一个参数无法很好的表示回文子序列的长度，所以需要将状态空间升维，即定义一个二维状态

，用来表示第i位字符与第j位字符中间的所有子序列中最长回文子序列的长度。

状态转移

        对于任意两个位置i，j之间的最长回文子序列的长度，其实可以由三种情况变化而来：

        （1）位置i+1，j之间的最长回文子序列的长度

        （2）位置i，j-1之间的最长回文子序列的长度

        （3）位置i+1，j-1之间的最长回文子序列的长度加2（若第i位字符与第j位字符相同）

        在这三种情况当中，选取最大的一个即可作为位置i，j之间的最长回文子序列的长度

边界条件

        易知开始条件为任何位置的字符都是一个长度为1的回文子序列，即，所求值为。

求解方法

递归

int LPS(vector<char>& s, int i, int j) {
	if (i == j) {
		return 1;
	}
	if (i > j) {
		return 0;
	}
	if (s[i] == s[j]) {
		return LPS(s, i + 1, j - 1) + 2;
	}
	return max(LPS(s, i + 1, j), LPS(s, i, j - 1));
}

        普通的递归求解办法，但是由于递归深度的限制此思路仅仅要求了解即可。

动态规划（打表法）

int LPS(vector<char>& s, int n) {
	vector<vector<int>> res(n, vector<int>(n, 0));
	for (int i = 0; i < n; i++) {
		res[i][i] = 1;
	}
	for (int i = 1; i < n; i++) {
		int maxLength = 0;
		for (int j = i - 1; j >= 0; j--) {
			if (s[j] == s[i]) {
				maxLength = res[j + 1][i - 1] + 2;
			}
			else {
				maxLength = max(res[j + 1][i], res[j][i - 1]);
			}
			res[j][i] = maxLength;
		}
	}
	return res[0][n - 1];
}

        使用记忆化搜索的动态规划方法可以减少递归查找的迭代深度，避免了超时错误的出现。

时间复杂度

        根据搜索过程可以判断出该算法的时间复杂度为。 

相关问题：最长递增子序列【动态规划】最长递增子序列