LeetCode005最长回文子串之动态规划

题目描述：

给你一个字符串 s，找到 s 中最长的回文子串。

【题目来源：力扣（LeetCode）】 

解法：动态规划

维基百科：动态规划（英语：Dynamic programming，简称 DP），是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重叠子问题和最优子结构性质的问题。

以该题为例：首先，从示例中可看出该题可能是不唯一解，我们需要从所给的字符串s中，找到满足符合条件的子字符串。简单的说，我们需要遍历字符串s的任意长度的子字符串，再通过条件判断，返回最长的子字符串。

判断过程：

我们通过字符串s对长度建立一个正二维表，使用两个指针，一个指针i从索引1的位置开始锁定，另一个指针j从索引0的位置到一直遍历到第一个指针的位置。令 dp[i][j] 表示 S[i] 至 S[j] 所表示的子串是否是回文子串，是则为 True，不是则为False。这样根据 S[i] 是否等于 S[j] ，可以把转移情况分为两类：

 1.若 S[i] == S[j]，那么只要 S[i+1] 至 S[j-1] 是回文子串，S[i] 至 S[j] 就是回文子串；如果S[i+1] 至 S[j-1] 不是回文子串，则 S[i] 至 S[j] 也不是回文子串。

 2.若 S[i] != S[j]，那么 S[i] 至 S[j] 一定不是回文子串。

依次进行对比：

源代码：

class Solution:
    def longestPalindrome(self, s: str) -> str:
        if not s :
            return ""
        length = len(s)
        dp = [[False for _ in range(length)] for _ in range(length)]
        for i in range(length):
            dp[i][i] = True
        
        c_index = 0
        max_index = 1

        for j in range(1,length):
            for i in range(j):
                if s[i] == s[j]:
                    if j - i < 3:
                        dp[i][j] = True
                    else:
                        dp[i][j] = dp[i+1][j-1]
                if dp[i][j]:
                    now_index = j - i + 1
                    if now_index > max_index:
                        max_index = now_index
                        c_index = i
        return s[c_index:(max_index + c_index)]