算法导论 — 思考题15-2 最长回文子序列

（最长回文子序列）回文(palindrome)是正序与逆序相同的非空字符串。例如，所有长度为1的字符串、civic、racecar、aibohphobia都是回文。设计高效算法，求给定输入字符串的最长回文子序列。例如，给定输入character，算法应该返回carac。算法的运行时间是怎样的？
　　
　　解
　　假设有一个字符串$S[1..n]=s_1,s_2,\dots ,s_n$，$P[1..k]=p_1,p_2,\dots ,p_k$是$S$的任意最长回文子序列(Longest Palindrome Subsequence, LPS)。
　　比较首字符$s_1$和尾字符$s_n$，可以分以下3种情况：
　　1) 如果$s_1=s_n$，则有$p_1=s_1$和$p_k=s_n$，并且$P[2..k-1]$是$S[2..n-1]$的一个LPS；
　　2) 如果$s_1̸=s_n$，那么$s_1̸=p_1$意味着$P[1..k]$是$S[2..n]$的一个LPS；
　　3) 如果$s_1̸=s_n$，那么$s_n̸=p_k$意味着$P[1..k]$是$S[1..n-1]$的一个LPS。
　　需要补充说明一下。根据上文第(1)点给出的结论，如果$s_1=s_n$，只需要求解$S[2..n-1]$的LPS，并将$s_1$和$s_n$分别加到$S[2..n-1]$的LPS的头部和尾部，从而得到$S[1..n]$的一个回文子序列，我们假设这个回文子序列的长度为$l_1$。然而，严格来说，还需要求解$S[1..n-1]$和$S[2..n]$的LPS，它们也是$S[1..n]$的回文子序列，假设这两个LPS的长度分别为$l_2$和$l_3$。我们需要比较$l_1$、$l_2$、$l_3$的大小，其中最大者对应的回文子序列才是$S[1..n]$的LPS。然而，上文第(1)点为何断言$l_1$一定是最大的？我们采用反证法来说明。
　　假设$l_1<l_2$，并假设$S[2..n-1]$的LPS的长度为$l_4$，有$l_1=l_4+2$。如果$S[1..n-1]$的LPS不包含$s_1$，那么将$s_1$从$S[1..n-1]$中去掉，$S[1..n-1]$的LPS实际上也是$S[2..n-1]$的LPS，故$l_2=l_4$，于是有$l_1=l_2+2>l_2$。这与$l_1<l_2$矛盾。
　　如果$S[1..n-1]$的LPS包含$s_1$，那么$S[1..n-1]$的LPS的尾字符一定等于$s_1$，将$S[1..n-1]$的LPS的首尾字符去掉，得到的子序列一定是$S[2..n-1]$的一个回文子序列（假设它的长度为$l_5$，有$l_2=l_5+2$），并且一定有$l_4\ge l_5$，故$l_1=l_4+2\ge l_5+2=l_2$，这也与$l_1<l_2$矛盾。故$l_1\ge l_2$是一定成立的。
　　同理，$l_1\ge l_3$也是成立的。综上所述，上文结论(1)是对的。
　　可以看到，LPS问题与最长公共子序列问题是很类似的，也具有最优子结构。
　　• 如果$s_1=s_n$，那么需要求解子问题$S[2..n-1]$的LPS，并将$s_1$和$s_n$分别加到$S[2..n-1]$的LPS的头部和尾部，从而得到$S[1..n]$的LPS
　　• 如果$s_1̸=s_n$，那么需要分别求解两个子问题$S[2..n]$和$S[1..n-1]$的LPS，二者中较长者即为$S[1..n]$的LPS。
　　用$c[i,j]$表示子序列$S[i,j]$的LPS的长度，可以得到以下递归式：
　　　　　　　　
　　我们可以自下而上的求解最长回文子序列问题。下面给出该算法的伪代码。
　　
　　与LCS类似，LPS的时间复杂度为$\Theta (n^2)$。下图展示了对字符串character运行了LPS-LENGTH的结果。
　　
　　本节相关的code链接。
　　https://github.com/yangtzhou2012/Introduction_to_Algorithms_3rd/tree/master/Chapter15/Problems/Problem_15-2