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
输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。
输入: "cbbd"
输出: "bb"
思路
暴力求解
暴力求解,列举所有的子串,判断是否为回文串,保存最长的回文串。
复杂度
- 时间复杂度: O ( n 3 ) O(n^3) O(n3)
- 空间复杂度: O ( 1 ) O(1) O(1)
最长公共子串
把原来的字符串倒置了,然后找最长的公共子串。求出最长公共子串后,并不一定是回文串,还需要判断该字符串倒置前的下标和当前的字符串下标是不是匹配。
动态规划
基本思想:将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解(这部分与分治法相似)。与分治法不同的是,适合于用动态规划求解的问题,经分解得到的子问题往往不是互相独立的。若用分治法来解这类问题,则分解得到的子问题数目太多,有些子问题被重复计算了很多次。如果我们能够保存已解决的子问题的答案,而在需要时再找出已求得的答案,这样就可以避免大量的重复计算,节省时间。通常可以用一个表来记录所有已解的子问题的答案。不管该子问题以后是否被用到,只要它被计算过,就将其结果填入表中。这就是动态规划的基本思路。
采用动态规划求解的问题需要具有两个特性
- 最优子结构(Optimal Substructure):问题的一个最优解中所包含的子问题的解也是最优的。
- 重叠子问题(Overlapping Subproblems):用递归算法对问题进行求解时,每次产生的子问题并不总是新问题,有些子问题会被重复计算多次。
最长公共子序列(LCS)问题具有动态规划两个特性
动态规划解决最优化问题的一般步骤
- 分析最优解的性质,并刻划其结构特征。
- 递归地定义最优值。
- 以自底向上的方式或自顶向下的记忆化方法计算出最优值。
- 根据计算最优值时得到的信息,构造一个最优解。
解法
/**
* @param {string} s
* @return {string}
*/
var longestPalindrome = function (s) {
if (s === "") return ""
let origin = s, reverse = s.split('').reverse().join('')
let len = s.length
let arr = []
let maxLen = 0, maxEnd = 0
for (let i = 0; i < len; i++) {
for (let j = len - 1; j >= 0; j--) {
if (origin[i]