代码随想录算法训练营第四十九天|647. 回文子串，516.最长回文子序列，动态规划总结篇-CSDN博客

本文链接：https://blog.csdn.net/weixin_47748259/article/details/136632044

文章详细介绍了动态规划在解决回文子串和最长回文子序列问题中的应用，包括dp数组的构建、递推公式、初始化步骤和遍历顺序，还涉及到了其他经典动态规划题型如背包问题、打家劫舍系列和股票系列。

摘要由CSDN通过智能技术生成

系列文章目录

文章目录

系列文章目录
647. 回文子串
516.最长回文子序列
动态规划总结篇

647. 回文子串

题目链接： 647. 回文子串
题目内容： 给你一个字符串 s ，请你统计并返回这个字符串中回文子串的数目。回文字符串是正着读和倒过来读一样的字符串。子字符串是字符串中的由连续字符组成的一个序列。具有不同开始位置或结束位置的子串，即使是由相同的字符组成，也会被视作不同的子串。
视频讲解： 动态规划，字符串性质决定了DP数组的定义 | LeetCode：647.回文子串

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：布尔类型的dp[i][j]：表示区间范围[i,j] （注意是左闭右闭）的子串是否是回文子串，如果是dp[i][j]为true，否则为false。
确定递推公式：s[i]与s[j]不相等时，dp[i][j]一定是false；s[i]与s[j]相等时，有三种情况：
- 情况一：下标i 与 j相同，同一个字符例如a，当然是回文子串
- 情况二：下标i 与 j相差为1，例如aa，也是回文子串
- 情况三：下标i 与 j相差大于1的时候，例如cabac，此时s[i]与s[j]已经相同了，我们看i到j区间是不是回文子串就看aba是不是回文就可以了，那么aba的区间就是 i+1 与 j-1区间，这个区间是不是回文就看dp[i + 1][j - 1]是否为true。
dp数组如何初始化：dp[i][j]初始化为false
确定遍历顺序：要从下到上，从左到右遍历，这样保证dp[i + 1][j - 1]都是经过计算的
举例推导dp数组

class Solution:
    def countSubstrings(self, s: str) -> int:
        dp=[[False]*len(s) for _ in range(len(s))]
        result=0
        for i in range(len(s),-1,-1):
            for j in range(i,len(s)):
                if s[i]==s[j]:
                    if j-i<=1:
                        result+=1
                        dp[i][j]=True
                    elif dp[i+1][j-1]:
                        result+=1
                        dp[i][j]=True
        return result

516.最长回文子序列

题目链接： 516.最长回文子序列
题目内容： 给你一个字符串 s ，找出其中最长的回文子序列，并返回该序列的长度。子序列定义为：不改变剩余字符顺序的情况下，删除某些字符或者不删除任何字符形成的一个序列。
视频讲解： 动态规划再显神通，LeetCode：516.最长回文子序列

516.最长回文子序列和647. 回文子串的区别在于：回文子串是要连续的，回文子序列可不是连续的。

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：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]
确定递推公式：
- 如果s[i]与s[j]相同，dp[i][j] = dp[i + 1][j - 1] + 2；
- 如果s[i]与s[j]不相同，dp[i][j] = max(dp[i + 1][j], dp[i][j - 1])
dp数组如何初始化：当i与j相同时，dp[i][j]等于1，其余情况为0
确定遍历顺序：根据递推关系，dp[i][j] 依赖于 dp[i + 1][j - 1] ，dp[i + 1][j] 和 dp[i][j - 1]，所以要从下到上遍历i，从左向右遍历j
举例推导dp数组

class Solution:
    def longestPalindromeSubseq(self, s: str) -> int:
        dp = [[0] * len(s) for _ in range(len(s))]
        for i in range(len(s)):
            dp[i][i] = 1
        for i in range(len(s)-1, -1, -1):
            for j in range(i+1, len(s)):
                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][-1]