Leetcode[字符串] 5. 最长回文子串

审题

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"

我最开始感觉这道题乍一看有些懵，脑海里能想到的算法就是$O(n^2)$的暴力解法，还嫌算法复杂度太高，但是事实上暴力搜索的复杂度是要达到$O(n^3)$的，也就是说左边界，右边界和子串的计算移动都是与$n$有关的。那么苦思冥想30min后依旧没想明白，看到了题解才发现一个早有耳闻但是从未了解过的老朋友:动态规划。

那么这道题为什么要用动态规划来解呢？首先就是这个题的形式就很动规，它一个回文子串的子串一定是回文子串，因此这可以用划分子问题的思想进行解答。

代码实现

在确定了动态规划的实现方法以后，我们就有了一个关系，即对于字符串$s[i,j]$即从第$i$个位置到第$j$个位置的字符串（包含头尾），我们知道如果$s[i,j]$是回文子串，那么$s[i+1,j-1]$一定也是回文子串，并且$s[i]$要等于$s[j]$。自此我们有了第一个关系。

有两个地方需要格外注意一下：

1. 特判：当字符字串的长度为0或者为1的时候，$i+1$是小于$j-1$的，因此需要增加两个特判，对于$l=0$的情况，dp必得1，对于$l=1$的情况，如果$s[i]==s[j]$，也有dp=1，否则dp=0。

2. 边界条件的判断:因为我们是自底向上进行状态的转移的，因此外循环的字串长度要从小到大。而内循环中因为有$i+l$这一项，我们的内循环终止条件就是$i+l<n$。

class Solution {
public:
    string longestPalindrome(string s){
        int n = s.size();
        string ans;
        vector< vector<int> > dp(n, vector<int>(n));
        for ( int l=0; l<n; l++ ) {
            for ( int i=0; i+l<n; i++ ) {
                int j = i+l;
                if ( l == 0 ) dp[i][j] = 1;
                else if ( l == 1 ) dp[i][j] = s[i] == s[j];
                else {
                    dp[i][j] = dp[i+1][j-1] && s[i] == s[j];
                }
                if ( dp[i][j] == 1 && l+1 > ans.size() ) ans = s.substr(i, l+1);
            }
        }
        return ans;
    }
};

反思

这道题运用了动态规划来求解，虽然复杂度还是高了一点，但是思路无疑是我们需要掌握的，动态规划的题有的很难，但是大套路基本就几种，因此，想要掌握动态规划还需要至少10道题的练习。