动态规划算法：（3）最长回文子串（python和C++描述 ）

动态规划算法的入门教程：动态规划算法：（1）入门介绍及案例分析

接下来通过 最长回文子串 来加深对动态规划算法的理解。

1、问题描述：

2、思路分析：

3、代码：

• python写法：

if __name__ == "__main__":
    s = input()  # 输入字符串
    dp = [[0 for _ in range(len(s))] for _ in range(len(s))]  # dp数组初始化为0
    ans = 1  # 存放结果，只有一个元素，回文子串则为1

    # 边界
    for i in range(len(s)-1):
        dp[i][i] = 1  # 只有一个元素肯定为回文，则状态为1
        if s[i] == s[i+1]:
            dp[i][i+1] = 1  # 两个元素相同，则状态为1

    # 状态转移方程
    for L in range(3, len(s)+1):  # 枚举子串的长度，从长度为3开始
        for i in range(len(s)):  # 枚举子串的起始端点
            j = i + L - 1  # 子串的右端点
            if j < len(s):
                if s[i] == s[j] and dp[i+1][j-1] == 1:
                    dp[i][j] = 1
                    ans = L  # 更新最长回文子串的长度
            else:
                break
    print(ans)

结果：

• C++写法：

#include <iostream>
using namespace std;

const int maxn = 100;

int main()
{
	string s;
	cin >> s;
	int len = s.size();
	int dp[maxn][maxn] = { 0 }; //dp数组初始化为0
	int ans = 1; //存放结果，只有一个元素，回文子串则为1

	//边界
	for (int i = 0; i < len; i++)
	{
		dp[i][i] = 1; //只有一个元素，回文子串则为1
		if (i < len - 1)
		{
			if (s[i] == s[i + 1])
			{
				dp[i][i + 1] = 1; //两个元素
				ans = 2; //两个元素，则回文子串的长度为2
			}
		}
	}
	
	//状态转移方程,下面是精华所在
	for (int L = 3; L <= len; L++) //枚举子串的长度
	{
		for (int i = 0; i + L - 1 < len; i++) // 枚举子串的起始端点
		{
			int j = i + L - 1; //子串的右端点
			if (s[i] == s[j] && dp[i + 1][j - 1] == 1)
			{
				dp[i][j] = 1;
				ans = L; //更新最长回文子串的长度
			}
		}
	}
	cout << ans << endl;

	return 0;
}

结果：

4、总结：

动态规划算法的核心在于如何设计状态转移方程，而这也是动态规划算法最难的地方。

动态规划算法：（1）入门介绍及案例分析