LeetCode最长回文子串JS实现

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：$O(n^3)$
• 空间复杂度：$O(1)$

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

1. 分析最优解的性质，并刻划其结构特征。
2. 递归地定义最优值。
3. 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。
4. 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]