代码随想录LeetCode | 动态规划回文子问题

目录

题目回顾

动态规划相关章节

动态规划五步法：

1.回文子串

思路：

2.最长回文子序列

思路

---

前沿：撰写博客的目的是为了再刷时回顾和进一步完善，其次才是以教为学，所以如果有些博客写的较简陋，是为了保持进度不得已而为之，还请大家多多见谅。

预：看到题目后的思路和实现的代码。

见：参考答案展示。

感思：对比答案后的思考，与之前做过的题目是否有关联。

行：

（1）对于没做出来的题目，阅读答案后重新做一遍；

（2）下次做题可以尝试改善的方向；

（3）有助于理解的相关的题目

优先级：做题进度＞学习&总结＞默写回顾＞做题数量

题目回顾

动态规划相关章节

代码随想录刷LeetCode | day39 动态规划刷题回顾

代码随想录刷LeetCode | day41 动态规划刷题回顾

http://t.csdn.cn/9FPWN

动态规划五步法：

1. 确定dp数组以及下标的含义

2. 确定递推公式

3. dp数组如何初始化

4. 确定遍历顺序

5. 举例推导dp数组

1.回文子串

题目链接：647. 回文子串

思路：

什么时候会出现新回文？

当左右两边子串相同时，若里面的子串是回文时，则是新的回文子串。

1. 当左右子串相邻or只差一个字符时，只要相同就是回文。
2. 相差字符大于1时，则要单独判断内部是否回文。

class Solution {
    public int countSubstrings(String s) {
        int len = s.length();
        boolean[][] dp = new boolean[len][len];
        int count = 0;
        for(int i = 0;i < len;i++){
            for(int j = 0;j <= i;j++){
                if(s.charAt(i) == s.charAt(j)){
                    if(i - j <= 2){
                        dp[i][j] = true;
                        count++;
                    }else{
                        if(dp[i-1][j+1]){
                            count++;
                            dp[i][j] = true;
                        }
                    }
                }
            }
        }
        return count;
    }
}

2.最长回文子序列

题目链接：516. 最长回文子序列

思路

与647. 回文子串区别在于，其考虑内部是否回文时，不需要整个内部都是回文才算，只需要统计内部能够成为回文的数有多少即可。

dp[i][j]（i >= j）表示区间[j,i]的最大回文数是多少。

同样的先决判断条件为：左右两边是否相等

1. 当左右子串相邻or只差一个字符时，只要相同就是回文。
2. 相差字符大于1时，则回文数 = 内部回文数+2。
3. 遍历时，要保证内部回文数已更新，则必须 j 遍历时是从大(i)到小(0)遍历。

class Solution {
    public int longestPalindromeSubseq(String s) {
        int len = s.length();
        int[][] dp = new int[len][len];
        int result = 0;
        for(int i = 0;i < len;i++){
            for(int j = i;j >= 0;j--){
                if(s.charAt(i) == s.charAt(j)){
                    if(i - j <= 2){
                        dp[i][j] = i-j+1;
                    }else{
                        dp[i][j] = dp[i-1][j+1]+2;
                    }
                }else{
                    dp[i][j] = Math.max(dp[i-1][j],dp[i][j+1]);
                }
                result = Math.max(dp[i][j],result);
            }
        }
        return result;
    }
}