代码随想录算法训练营33期 第六十天 | 647.回文子串、516.最长回文子序列

文章介绍了两种利用动态规划的方法来解决字符串中回文子串的数量(countSubstrings)和最长回文子序列的长度(longestPalindromeSubseq)问题。代码展示了如何通过迭代和比较字符构建动态规划表dp。
摘要由CSDN通过智能技术生成

在这里插入图片描述
蓝色表示遍历顺序

// dp[i][j] s[i, j]范围内回文子串个数
// if (s[i]==s[j]){
//     if (j-i<=1){
//         dp[i][j]=true;
//         result++;
//     }
//     else if(dp[i+1][j-1]){
//         dp[i][j]=true;
//         result++;
//     }
// }
// 初始化false;

class Solution {
public:
    int countSubstrings(string s) {
        int result=0;
        vector<vector<bool>> dp(s.size(), vector<bool>(s.size(), false));

        for (int i=s.size()-1; i>=0; i--){
            for (int j=i; j<s.size(); j++){
                if (s[i]==s[j]){
                    if (j-i<=1){
                        dp[i][j]=true;
                        result++;
                    }
                    else if(dp[i+1][j-1]){
                        dp[i][j]=true;
                        result++;
                    }
                }
            }
        }
        return result;
    }
};

#516.最长回文子序列

// dp[i][j]:字符串s在[i, j]范围内最长的回文子序列的长度为dp[i][j]。
// dp[i][j]=dp[i+1][j-1]+2;
class Solution {
public:
    int longestPalindromeSubseq(string s) {
        vector<vector<int>> dp(s.size(), vector<int>(s.size(), 0));

        for (int i = 0; i < s.size(); i++) dp[i][i] = 1;
        for (int i=s.size()-1; i>=0; i--){
            for (int j=i+1; j<s.size(); j++){
                if (s[i]==s[j]){
                    dp[i][j]=dp[i+1][j-1]+2;
                }
                else{
                    dp[i][j]=max(dp[i+1][j], dp[i][j-1]);
                }
            }
        }
        return dp[0][s.size()-1];
    }
};
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值