题目来源:力扣
题目介绍:
给定一个字符串,你的任务是计算这个字符串中有多少个回文子串。
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,也会被计为是不同的子串。
=============================================================
示例 1:
输入: “abc”
输出: 3
解释: 三个回文子串: “a”, “b”, “c”.
示例 2:
输入: “aaa”
输出: 6
说明: 6个回文子串: “a”, “a”, “a”, “aa”, “aa”, “aaa”.
注意:
输入的字符串长度不会超过1000。
===========================================================
审题:
初看这道题, 我在考虑如果已知了子串S[i, j]中回文子串的个数, 如何推导子串S[i, j+1]中回文子串的个数. 在考虑这个方法时, 我发现我们需要知道子串S[i, j]是否为回文字符串, 才能进行上述分析. 而如果我们知道了子串S[i,j]是否是回文字符串, 那么我们可以遍历所有子串, 然后统计回文子串个数即可. 因此, 我将思路转化为判断子串S[i, j]是否是回文子串.
这个问题这样一来还是比较简单的. 如果S(i) == S(j), 则我们仅需知道子串S(i+1, j-1)是否是回文字符串即可, 如果S(i) != S(j), 则子串S[i, j]不是回文子串. 由于存在子问题重叠, 基于此, 我们可以使用动态规划方法求解.
判断每一子串是否是回文字符串
class Solution {
public int countSubstrings(String s) {
boolean[][] isHuiWen = new boolean[s.length()][s.length()+1];
//判断当前子串[i, j]是否是回文字符串
for(int i = 0; i < s.length(); i++){
isHuiWen[i][i] = true; //空串
isHuiWen[i][i+1] = true; //单字符
}
for(int len = 2; len <= s.length(); len++){
for(int left = 0; left <= s.length()-len; left++){
int right = left + len;
if(s.charAt(left) == s.charAt(right-1))
isHuiWen[left][right] = isHuiWen[left+1][right-1];
else
isHuiWen[left][right] = false;
}
}
int total = 0;
for(int i = 0; i < s.length(); i++){
for(int j = i+1; j <= s.length(); j++){
if(isHuiWen[i][j])
total += 1;
}
}
return total;
}
}
时间复杂度分析
上述算法存在双层嵌套, 因此时间复杂度为 O ( N 2 ) O(N^2) O(N2), 空间复杂度为 O ( N 2 ) O(N^2) O(N2).
中心扩展法(非动态规划)
对于长度为N的字符串, 其所有回文子串可能有2N-1个中心. 其中长度为奇数的回文子串共有N个中心, 分别是字符串的第1个到第N个字符, 而长度为偶数的回文子串其中心为空.
我们可以分别沿每一中心向外扩展, 计算以当前位置为中心的回文子串个数.
class Solution {
public int countSubstrings(String s) {
//使用中心扩展法
//如果回文子串长度为奇数, 则其中心分别为s[0], s[1], ... s[s.length()-1]
//如果回文子串长度为偶数, 则其中心为空
int strLen = s.length();
int total = 0;
for(int i = 0; i < strLen ; i++){
//首先判断长度为奇数的回文子串
int left = i;
int right = i;
while(left >= 0 && right < strLen && s.charAt(left) == s.charAt(right)){
total++;
left--;
right++;
}
//判断长度为偶数的回文子串
left = i;
right = i+1;
while(left >= 0 && right < strLen && s.charAt(left) == s.charAt(right)){
total++;
left--;
right++;
}
}
return total;
}
}
该方法的时间复杂度为 O ( N 2 ) O(N^2) O(N2) , 但其空间复杂度为 O ( 1 ) O(1) O(1)