小白试水——leetcode腾讯题库-5.最长回文子串(Python解答)
题目:5.最长回文子串
给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
示例 1:
输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。
示例 2:
输入: "cbbd"
输出: "bb"
【笨拙n次循环代码实现】
class Solution(object):
def longestPalindrome(self, s):
"""
:type s: str
:rtype: str
"""
list = []
str = ''
if len(s) == 1:
return s
else:
for i in range(len(s)):
for j in range(i+1,len(s)):
if s[i] == s[j]:
n = i
for m in range(j,(j+i)//2-1,-1):
if s[n] == s[m]:
if (n == m) or (n+1 == m):
list.append(s[i:j+1])
n += 1
if n >= (j+i)//2+1:
break
else:
break
if len(list) == 0:
list.append(s[:1])
for l in list:
if (len(l) >= len(str)) or (len(l) == 1):
str = l
return str
此代码在leetcode上运行【超时】
【解析一】
摘要
这篇文章是为中级读者而写的。它介绍了回文,动态规划以及字符串处理。请确保你理解什么是回文。回文是一个正读和反读都相同的字符串,例如,“aba” 是回文,而 “abc” 不是。
解决方案
方法一:最长公共子串
常见错误
有些人会忍不住提出一个快速的解决方案,不幸的是,这个解决方案有缺陷(但是可以很容易地纠正):
反转 SS,使之变成 S’。找到 S 和 S’ 之间最长的公共子串,这也必然是最长的回文子串。
这似乎是可行的,让我们看看下面的一些例子。
例如,S=“caba”, S′=“abac”:
S 以及 S’ 之间的最长公共子串为 “aba”,恰恰是答案。
让我们尝试一下这个例子:S=“abacdfgdcaba”, S′=“abacdgfdcaba”:
S 以及 S’ 之间的最长公共子串为 “abacd”。显然,这不是回文。
算法
我们可以看到,当 S 的其他部分中存在非回文子串的反向副本时,最长公共子串法就会失败。为了纠正这一点,每当我们找到最长的公共子串的候选项时,都需要检查子串的索引是否与反向子串的原始索引相同。如果相同,那么我们尝试更新目前为止找到的最长回文子串;如果不是,我们就跳过这个候选项并继续寻找下一个候选。
这给我们提供了一个复杂度为 O(n^2) 动态规划解法,它将占用 O(n^2) 的空间(可以改进为使用 O(n) 的空间)。请在 这里 阅读更多关于最长公共子串的内容。
方法二:暴力法
很明显,暴力法将选出所有子字符串可能的开始和结束位置,并检验它是不是回文。
复杂度分析
时间复杂度:O(n^3),假设 n 是输入字符串的长度,则 n/2 = (n(n−1))/2 为此类子字符串(不包括字符本身是回文的一般解法)的总数。因为验证每个子字符串需要 O(n) 的时间,所以运行时间复杂度是 O(n^3)。
空间复杂度:O(1)。
方法三:动态规划
为了改进暴力法,我们首先观察如何避免在验证回文时进行不必要的重复计算。考虑 “ababa” 这个示例。如果我们已经知道 “bab” 是回文,那么很明显,“ababa” 一定是回文,因为它的左首字母和右尾字母是相同的。
我们给出 P(i,j) 的定义如下:
f ( n ) = { t r u e , 如果子串 Si … Sj 是回文子串 f a l s e , 其它情况 f(n) = \begin{cases} true, & \text{如果子串 Si…Sj 是回文子串} \\ false, & \text{其它情况} \end{cases} f(n)={true,false,如果子串 Si…Sj 是回文子串其它情况
因此,
P
(
i
,
j
)
=
(
P
(
i
+
1
,
j
−
1
)
a
n
d
S
i
=
=
S
j
)
P(i,j)=(P(i+1,j−1) and Si == Sj )
P(i,j)=(P(i+1,j−1)andSi==Sj)
基本示例如下:
P ( i , i ) = t r u e P ( i , i + 1 ) = ( S i = = S i + 1 ) P(i,i)=true\\ P(i,i+1)=(Si ==Si+1) P(i,i)=trueP(i,i+1)=(Si==Si+1)
这产生了一个直观的动态规划解法,我们首先初始化一字母和二字母的回文,然后找到所有三字母回文,并依此类推…
复杂度分析
时间复杂度:O(n^2),这里给出我们的运行时间复杂度为 O(n^2) 。
空间复杂度:O(n^2),该方法使用 O(n^2) 的空间来存储表。
补充练习
你能进一步优化上述解法的空间复杂度吗?
方法四:中心扩展算法
事实上,只需使用恒定的空间,我们就可以在 O(n^2) 的时间内解决这个问题。
我们观察到回文中心的两侧互为镜像。因此,回文可以从它的中心展开,并且只有 2n−1 个这样的中心。
你可能会问,为什么会是 2n−1 个,而不是 n 个中心?原因在于所含字母数为偶数的回文的中心可以处于两字母之间(“abba” 的中心在两个 ‘b’ 之间)。
# java解码
public String longestPalindrome(String s) {
if (s == null || s.length() < 1) return "";
int start = 0, end = 0;
for (int i = 0; i < s.length(); i++) {
int len1 = expandAroundCenter(s, i, i);
int len2 = expandAroundCenter(s, i, i + 1);
int len = Math.max(len1, len2);
if (len > end - start) {
start = i - (len - 1) / 2;
end = i + len / 2;
}
}
return s.substring(start, end + 1);
}
private int expandAroundCenter(String s, int left, int right) {
int L = left, R = right;
while (L >= 0 && R < s.length() && s.charAt(L) == s.charAt(R)) {
L--;
R++;
}
return R - L - 1;
}
复杂度分析
时间复杂度:O(n^2),由于围绕中心来扩展回文会耗去 O(n) 的时间,所以总的复杂度为 O(n^2)。
空间复杂度:O(1)。
方法五:Manacher 算法
还有一个复杂度为 O(n) 的 Manacher 算法。
【解析二】
思路:
三种思路:
思路 1:
把每个字母当成回文串的中心
这里要考虑两种情况,回文串的长度为奇数或者偶数情况。
代码实现
class Solution:
def longestPalindrome(self, s: str) -> str:
n = len(s)
self.res = ""
def helper(i,j):
while i >= 0 and j < n and s[i] == s[j]:
i -= 1
j += 1
if len(self.res) < j - i -1 :
self.res = s[i+1:j]
for i in range(n):
helper(i,i)
helper(i,i+1)
return self.res
思路 2:
把每个字母当成回文串的结束
代码实现
class Solution:
def longestPalindrome(self, s: str) -> str:
if not s:
return ""
max_len = 1
n = len(s)
start = 0
for i in range(1,n):
even = s[i-max_len:i+1]
odd = s[i - max_len-1:i+1]
#print(even,odd)
if i - max_len - 1 >= 0 and odd == odd[::-1]:
start = i - max_len - 1
max_len += 2
elif i - max_len >=0 and even == even[::-1]:
start = i - max_len
max_len += 1
#print(start,max_len)
return s[start: start+max_len]
思路 3: 动态规划
dp[i][j] 表示字符串从 j 到 i 是否是为回文串,即当 s[j] == s[i] 如果 dp[i-1][j+1] 也是回文串,那么字符串从 j 到 i 也是回文串,即 dp[i][j] 为真。
代码实现
class Solution:
def longestPalindrome(self, s: str) -> str:
if not s :
return ""
res = ""
n = len(s)
dp = [[0] * n for _ in range(n)]
max_len = float("-inf")
#print(dp)
for i in range(n):
for j in range(i,-1,-1):
if s[i] == s[j] and (i - j < 2 or dp[i-1][j+1]):
dp[i][j] = 1
if dp[i][j] and max_len < i - j + 1:
#print("i,j",i,j)
res = s[j:i+1]
max_len = i - j + 1
return res