动态数组怎么定义_动态规划最长回文子序列

动态规划｜最长回文子序列

今天一起来学习Leetcode第 516 题：最长回文子序列。

题目描述

题目分析

首先回文字符串指的是形如“a”，“aa”，‘’aba‘‘，’‘abba’‘这样的字符串。这是一道非常经典的「动态规划」的题目。

碰到动态规划的题目，最重要的就是写出「状态的定义」和「状态转移方程」。

而在这两者中，我个人觉得状态的定义是比较难想到的，因为这其中「感觉」很重要，为什么状态dp[i][j]要这么定义？这其实需要多写一些动态规划的题目才能找到这种感觉。

而状态转移方程我恰恰觉得比较容易，因为我们只需要知道我们人是怎么思考的，然后遵循自己的思考的方式不断让程序填充dp数组就行。

在这一题中，我们定义一个二维数组dp[n][n]，其中 n 为 输入字符串的长度。dp[i][j]代表从第i 到第j个字符串的最长回文子序列的长度。比如说在bbbab  这个字符串中，我们可以看到bab这个子串的最长回文子序列的长度为3，所以dp[2][4]=3。同时我们也可以初始化:

for i in range(n):
  dp[i][i]=1

因为一个字符的最长回文字符串的长度为1。

定义好了状态dp[i][j] 之后，我们看怎么梳理状态转移方程。我们看下面这幅图：

那也就是说，我们可以总结如下的状态转移方程：

当s[i]==s[j]时：

当s[i]!=s[j] 时：

当然，我们就算想到了上述的状态转移方程，距离我们写出完整的代码还是有一段距离。

「在动态规划问题中，用图示的方法来理解更新dp数组的过程是一个非常好用的方法。」

我们可以用下图来展示dp数组的更新过程：

图示非常清晰，我们在更新dp[i][j]的值的时候，需要知道dp[i+1][j-1], dp[i+1][j]和 dp[i][j-1]的值。那么dp 数组的更新方向应该就是从左上角往右下角。并不断往右上角逼近，如下图所示：

有了上面的分析，我们基本就可以写出题目的代码

题目代码

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        if len(s)<1:
            return 0
        n = len(s)
        dp = [[0]*n for _ in range(n)]
        for i in range(n):
            dp[i][i] = 1
        for i in range(n-1):
            if s[i]==s[i+1]:
                dp[i][i+1]=2
            else:
                dp[i][i+1]=1
        
        for l in range(2,n): # l表示考虑的子串的长度
            for i in range(n-l):
                if s[i]==s[i+l]:
                    dp[i][i+l]=dp[i+1][i+l-1]+2
                else:
                    dp[i][i+l]=max(dp[i+1][i+l],dp[i][i+l-1])

        return dp[0][-1]

算法时间和空间复杂度都是O(n^2)。

总结

动态规划的题目感觉现在已经成了笔面试的标配，像 「最长回文子序列」 这类经典动态规划的题目时是非常容易碰到的，所以我们还是应该反复思考和学习。