5. 最长回文子串
这道题目是要找到一个字符串中的最长回文子串。主要有两种方法:1. 中心扩展;2. 动态规划。两种方法都没想到最开始,后来看了解析,自己理解了会了。
一、中心扩散法
中心扩散法,比较好理解,就是根据回文字符串的定义:是中心对称的。因此,我们先定义一个中心的字符。这里要注意,一个回文字符串的长度可能是奇数,也可能是偶数,因此要加以区分。如果是奇数,那么最中间必定是一个字符,如果是偶数那么中间是空。
为了找到最长的回文串,对于每个字符,我们考虑两个情况:如果这个字符是中心的(奇数),如果不是中心的。然后,因为是要找最长的,因此我们比较奇数和偶数中比较长的,然后和之前的结果进行比较。
得到的针对每个字符找回文串的函数如下:
// 此函数用来找回文子串:从中间向两边寻找
string findback(string s, int left, int right) {
int i = left, j = right;
while (i >= 0 && right < s.size()) {
if (s[i] == s[j]) {
i--;
j++;
}
else {
break;
}
}
// 特别注意的是,返回的范围。因为此时已经过了刚好是回文的那一截。
return s.substr(i + 1, j - i - 1);
}
主函数中,从头开始遍历,针对每个字符的情况进行判断。因此,主函数如下:
string longestPalindrome(string s) {
int len = s.size();
// 特殊情况
if (len < 2) {
return s;
}
string odd, even, maxstr, res = s.substr(0, 1);
int maxlen = 1;
// 循环处理
for (int i = 0; i < len - 1; i++) { // 这里是len - 1,相当于一个剪枝操作
// 分别计算奇数长度的回文字符串和偶数长度的回文字符串
odd = findback(s, i, i);
even = findback(s, i, i + 1);
// 选取两者之间最长的
maxstr = odd.size() > even.size() ? odd : even;
// 更新
if (maxstr.size() > maxlen) {
maxlen = maxstr.size();
res = maxstr;
}
}
return res;
}
二、动态规划
动态规划法,应该来说是必须要掌握的。现在这个阶段,我对动态规划的理解还不够深刻,自己做的题尚少,因此看了解析,根据我的理解,把解析写下来。
1. 状态的定义
一开始我想的是,用一个一维数组来记录每个位置的回文的长度,后面发现这种思路根本行不通:第一,在某个字符的位置时,不能通过当前字符串来判断是否为一个回文串,你必须考虑前面的;第二,状态无法转移,如果前面是回文,那么你怎么判断加起来是不是回文呢?这样又必须遍历一遍了。
看了解析以后明白了。需要用一个二维数组来表示,并且二维数组是bool类型的而不是int。具体的用dp[i][j]来表示字符串中从位置i到位置j的子串是否为回文串。
2. 状态的转移
状态的转移也是一个比较关键的地方:从哪个状态转移到哪个状态,这就跟回文字符串的定义有关系了。如果当前子串(从位置i到j)是回文串,那么i+1到j-1(比当前回文串刚好小的那个)肯定也是子串,并且s[i] = s[j],因此可以写出状态转移方程如下:
dp[i][j] = (s[i] == s[j]) and (dp[i+1][j-1] == true)
同时,我们还需要考虑一些约束条件和边界条件。
(1) i肯定要比j小;
(2)如果子串的长度小于2了,那么肯定是回文(因为为一个字符或者空字符,肯定是回文的);因此有:j - 1 - (i + 1) + 1 < 2;
3. 状态的初始化
当为单个字符时(即i == j)时,肯定是回文的。因此我们初始化dp[i][j]的对角线全为true;
但,事实上,初始化的部分都可以省去。因为只有一个字符的时候一定是回文,dp[i][i] 根本不会被其它状态值所参考。
4. 输出
我们在这里得到了i和j的值的时候,没必要每次都截取字符串,只需要记录两个关键值:起始位置,和长度,并且与之前的长度进行比较,选取较大的一个即可。
考虑到以上问题后,进行代码的编写,最终如下:
class Solution {
public:
//动态规划法
string longestPalindrome(string s) {
const int len = s.size();
// 特殊情况
if (len < 2) {
return s;
}
string res;
int begin = 0, maxlen = 1;
bool dp[len][len];
for (int i = 0; i < len; i++) {
dp[i][i] = true;
}
for (int j = 1; j < len; j++) { // 注意起始范围
for (int i = 0; i < j; i++) { // 注意起始范围,i从开始一直到j,取到所有的
if (s[i] == s[j]) { // 如果首末的字符相同,那么进行判断
if (j - i < 3) { //如果小于边界值:为单个字符或者空的情况,肯定是真
dp[i][j] = true;
}
else {
dp[i][j] = dp[i + 1][j - 1]; // 否则根据表中左下角的值来判断
}
}
else { // 如果不等,直接判断为false
dp[i][j] = false;
}
// 然后进行判断,如果当前的是回文串,那么和之前的进行比较
if (dp[i][j] && j - i + 1 > maxlen) {
begin = i;
maxlen = j - i + 1;
}
}
}
res = s.substr(begin, maxlen);
return res;
}
};
不过让我奇怪的是,这个题虽然需要用到动态规划,但是竟然没有使用递归函数,这点让我刷新了对递归函数的理解。
总的来说,这道题还是让我觉得很有意思也很有收获。