5. 最长回文子串

给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000

 

示例 1

 

输入: "babad"

输出: "bab"

注意: "aba" 也是一个有效答案。

示例 2

 

输入: "cbbd"

输出: "bb"

 

解法 1:中心扩散
思路很简单:遍历每一个索引,以这个索引为中心,往两边扩散,看最多能扩散多远。具体的做法是利用“回文串”中心对称的特点,在枚举子串的过程中进行剪枝。要注意一个细节:回文串的长度可能是奇数,也可能是偶数。

 5. 最长回文子串_第1张图片

 

我们完全可以设计一个方法,兼容以上两种情况:

1、如果传入重合的索引编码,进行中心扩散,此时得到的最长回文子串的长度是奇数;

2、如果传入相邻的索引编码,进行中心扩散,此时得到的最长回文子串的长度是偶数。

 

Python:
class Solution:
    def longestPalindrome(self, s):
        size = len(s)
        if size == 0:
            return ''

        # 至少就是 1
        longest_palindrome = 1

        longest_palindrome_str = s[0]

        for i in range(size):
            # 返回当前最长回文子串、和这个最长回文子串的长度
            palindrome_odd, odd_len = self.__center_spread(s, size, i, i)
            palindrome_even, even_len = self.__center_spread(s, size, i, i + 1)

            # 当前找到的最长回文子串
            cur_max_sub = palindrome_odd if odd_len >= even_len else palindrome_even
            if len(cur_max_sub) > longest_palindrome:
                longest_palindrome = len(cur_max_sub)
                longest_palindrome_str = cur_max_sub

        return longest_palindrome_str

    def __center_spread(self, s, size, left, right):
        """
        当 left = right 的时候,表示回文中心是一条线,此时回文串的长度是奇数
        当 right = left + 1 的时候,表示回文中心是任意一个字符,此时回文串的长度是偶数
        """
        l = left
        r = right

        while l >= 0 and r < size and s[l] == s[r]:
            l -= 1
            r += 1
        return s[l + 1:r], r - l - 1
View Code
public class Solution {

    public String longestPalindrome(String s) {
        int len = s.length();
        if (len == 0) {
            return "";
        }
        int longestPalindrome = 1;
        String longestPalindromeStr = s.substring(0, 1);
        for (int i = 0; i < len; i++) {
            String palindromeOdd = centerSpread(s, len, i, i);
            String palindromeEven = centerSpread(s, len, i, i + 1);
            String maxLenStr = palindromeOdd.length() > palindromeEven.length() ? palindromeOdd : palindromeEven;
            if (maxLenStr.length() > longestPalindrome) {
                longestPalindrome = maxLenStr.length();
                longestPalindromeStr = maxLenStr;
            }
        }
        return longestPalindromeStr;
    }

    private String centerSpread(String s, int len, int left, int right) {
        int l = left;
        int r = right;
        while (l >= 0 && r < len && s.charAt(l) == s.charAt(r)) {
            l--;
            r++;
        }
        // 这里要特别小心,跳出 while 循环的时候,是第 1 个满足 s.charAt(l) != s.charAt(r) 的时候
        // 所以,不能取 l,不能取 r
        return s.substring(l + 1, r);
    }
}
View Code
string longestPalindrome(string s) 
    {
        if (s.length() < 1)
        {
            return "";
        }
        int start = 0, end = 0;
        for (int i = 0; i < s.length(); i++)
        {
            int len1 = expandAroundCenter(s, i, i);//一个元素为中心
            int len2 = expandAroundCenter(s, i, i + 1);//两个元素为中心
            int len = max(len1, len2);
            if (len > end - start)
            {
                start = i - (len - 1) / 2;
                end = i + len / 2;
            }
        }
        return s.substr(start, end - start + 1);
    }

    int expandAroundCenter(string s, int left, int right)
    {
        int L = left, R = right;
        while (L >= 0 && R < s.length() && s[L] == s[R])
        {// 计算以left和right为中心的回文串长度
            L--;
            R++;
        }
        return R - L - 1;
    }
View Code

 

 

解法 2:动态规划
解决这类 “最优子结构” 问题,考虑使用 “动态规划”。我们只要找准 “状态” 的定义和 “状态转移方程” 就可以了。

在下面的说明中,s[i, j] 表示原始字符串的一个子串,i、j 分别是索引,使用左闭、右闭区间表示左右端点可以取到。

1、定义状态,这里动态规划的数组是二维的。

dp[i][j] 表示子串 s[i, j](包括区间左右端点)是否构成回文串,是一个二维布尔型数组。即如果子串 s[i, j] 是回文串,那么 dp[i][j] = true。

2、状态转移。

如果 s[i, j] 是一个回文串,例如 “abccba”,那么 s[i + 1, j - 1] 也一定是一个回文串,即如果 dp[i][j] == true 成立,一定有 dp[i + 1][j - 1] = true。

反过来,如果已知 dp[i + 1, j - 1],就可以通过比较 s[i] 和 s[j] 并且考虑 dp[i + 1, j - 1] 进而得到 dp[i, j]。

整理一下:dp[i, j] = (s[i] == s[j] and dp[i + 1, j - 1]),不过,此时我们要保证 [i + 1, j - 1] 能够形成区间,因此有 i + 1 <= j - 1,整理得 i - j <= -2,或者 j - i >= 2。

具体编码细节在代码的注释中已经体现。

 

Python:
class Solution(object):
    def longestPalindrome(self, s):
        size = len(s)
        if size <= 1:
            return s
        # 二维 dp 问题
        # 状态:dp[i,j]: s[i:j] 包括 i,j ,表示的字符串是不是回文串
        dp = [[False for _ in range(size)] for _ in range(size)]

        longest_l = 1
        res = s[0]

        for i in range(1, size):
            for j in range(i):
                # 状态转移方程:如果头尾字符相等并且中间也是回文
                # 或者中间的长度小于等于 1
                if s[j] == s[i] and (j >= i - 2 or dp[j + 1][i - 1]):
                    dp[j][i] = True
                    if i - j + 1 > longest_l:
                        longest_l = i - j + 1
                        res = s[j:i + 1]
        return res


Java:
public class Solution {
    public String longestPalindrome(String s) {
        int len = s.length();
        if (len == 0) {
            return "";
        }
        boolean[][] dp = new boolean[len][len];
        int longestPalindrome = 1;

        String longestPalindromeStr = s.substring(0, 1);

        // 00
        // 01 判断了 11,11 有值了
        // 012 判断了 22,进而判断 12,02 要依据 12
        // 所以,dp 的填写是从后向前进行的,这一点一定要非常清楚

        // abcdcbd
        //   j i
        // 如果 d[j,i] 为真,那么 dp[j+1,i-1] 也一定为真
        // [j+1,i-1] 构成区间(不能缩成一个点,缩成一个点的情况,之前判断过)的条件是 j + 1 < i - 1 ,
        // 即 i > j + 2
        for (int i = 1; i < len; i++) {
            for (int j = i; j >= 0; j--) {
                // 注意 i <= j + 2 || dp[j + 1][i - 1] 这种写法的技巧
                if (s.charAt(i) == s.charAt(j) && (i <= j + 2 || dp[j + 1][i - 1])) {
                    // 前后很重要,不要不过脑子
                    dp[j][i] = true;
                    if (i - j + 1 > longestPalindrome) {
                        longestPalindrome = i - j + 1;
                        longestPalindromeStr = s.substring(j, i + 1);
                    }
                }
            }
        }
        return longestPalindromeStr;
    }
}
View Code

 

解法 3:Manacher 算法
维基百科中对于 Manacher 算法是这样描述的:

[Manacher(1975)] 发现了一种线性时间算法,可以在列出给定字符串中从字符串头部开始的所有回文。并且,Apostolico, Breslauer & Galil (1995) 发现,同样的算法也可以在任意位置查找全部最大回文子串,并且时间复杂度是线性的。因此,他们提供了一种时间复杂度为线性的最长回文子串解法。替代性的线性时间解决 Jeuring (1994), Gusfield (1997)提供的,基于后缀树(suffix trees)。也存在已知的高效并行算法。

在还没有实现算法之前,我们先要弄清楚算法的运行流程,即给我们一个具体的字符串,我们通过稿纸演算的方式,应该如何得到给定字符串的最长子回文串。

理解 Manacher 算法最好的办法,其实是根据一些关于 Manacher 算法的文章,自己写写画画,最好能产生一些输出,画画图,举一些具体的例子,这样 Manacher 算法就不难搞懂了。

Manacher 算法本质上还是中心扩散法,只不过它使用了类似 KMP 算法的技巧,充分挖掘了已经进行回文判定的子串的特点,使得算法高效。

回文串可分为奇数回文串和偶数回文串,它们的区别是:奇数回文串关于它的“中点”满足“中心对称”,偶数回文串关于它“中间的两个点”满足“中心对称”。我们在具体判定一个字符串是否是回文串的时候,常常会不自觉地考虑到它们之间的这个小的差别。

第 1 步:预处理,添加分隔符
我们先给出具体的例子,看看如何添加分隔符。

例1:给字符串 "bob" 添加分隔符 "#"。

答:"bob" 添加分隔符 "#" 以后得到:"#b#o#b#"。

再看一个例子:

例2:给 "noon" 添加分隔符 "#"。

答:"noon" 添加分隔符 "#" 以后得到:"#n#o#o#n#"。

我想你已经看出来分隔符是如何添加的,下面是 2 点说明。

1、分隔符是字符串中没有出现过的字符,这个分隔符的种类只有一个,即你不能同时添加 "#" 和 "?" 作为分隔符;

2、在字符串的首位置、尾位置和每个字符的“中间”都添加 11 个这个分隔符,可以很容易知道,如果这个字符串的长度是 len,那么添加的分隔符的个数就是 len + 1,得到的新的字符串的长度就是 2len + 1,显然它一定是奇数。

为什么要添加分隔符?

1、首先是正确性:添加了分隔符以后的字符串的回文性质与原始字符串是一样的。

2、其实是避免奇偶数讨论,对于使用“中心扩散法”判定回文串的时候,长度为奇数和偶数的判定是不同的,添加分隔符可以避免对奇偶性的讨论。

第 2 步:得到 p 数组
首先,我们先来看一下如何填表。以字符串 "abbabb" 为例,说明如何手动计算得到 p 数组。假设我们要填的就是下面这张表。

5. 最长回文子串_第2张图片

第 1 行 char 数组:这个数组就是待检测字符串加上分隔符以后的字符构成的数组。

第 2 行 index 数组:这个数组是索引数组,我们后面要利用到它,填写即索引从 0 开始写就好了。

下面我们来看看 p 数组应该如何填写。首先我们定义回文半径。

回文半径:以 char[i] 作为回文中心,同时向左边、向右边进行扩散,直到不能构成回文串或者触碰到边界为止,能扩散的步数 + 1 ,即定义为 p 数组索引的值,也称之为回文半径。

以上面的例子,我们首先填。p[0],以 char[0] = '#'为中心,同时向左边向右扩散,走 1 步就碰到边界了,因此“能扩散的步数”为0,“能扩散的步数 + 1 = 1”,因此 p[0] = 1;

5. 最长回文子串_第3张图片

下面填写 p[1] ,以 char[1] = 'a' 为中心,同时向左边向右扩散,走 1 步,左右都是 "#",构成回文子串,于是继续同时向左边向右边扩散,左边就碰到边界了,因此“能扩散的步数”为1,“能扩散的步数 + 1 = 2”,因此 p[1] = 2;

5. 最长回文子串_第4张图片

下面填写 p[2] ,以 char[2] = '#' 为中心,同时向左边向右扩散,走 1 步,左边是 "a",右边是 "b",不匹配,因此“能扩散的步数”为 00,“能扩散的步数 + 1 = 1”,因此 p[2] = 1;

5. 最长回文子串_第5张图片

下面填写 p[3],以 char[3] = 'b' 为中心,同时向左边向右扩散,走 1 步,左右两边都是 “#”,构成回文子串,继续同时向左边向右扩散,左边是 "a",右边是 "b",不匹配,因此“能扩散的步数”为1,“能扩散的步数 + 1 = 2”,因此 p[3] = 2;

5. 最长回文子串_第6张图片

下面填写 p[4],以 char[4]='#' 为中心,同时向左边向右扩散,可以知道可以同时走 4 步,左边到达边界,因此“能扩散的步数”为4,“能扩散的步数 + 1 = 5”,因此 p[4] = 5。

5. 最长回文子串_第7张图片

分析到这里,后面的数字不难填出,最后写成如下表格:

char # a # b # b # a # b # b #
index 0 1 2 3 4 5 6 7 8 9 10 11 12
p 1 2 1 2 5 2 1 6 1 2 3 2 1
p-1
p-1 数组很简单了,把 p 数组的数 -1 就行了。实际上直接把能走的步数记录下来就好了。不过就是为了给“回文半径”一个定义而已。

于是我们得到如下表格:

5. 最长回文子串_第8张图片

于是:数组 p -1 的最大值就是最长的回文子串,可以在得到 p 数组的过程中记录这个最大值,并且记录最长回文子串。

如何编写程序得到 p 数组?
通过 p 数组我们就可以找到回文串的最大值,就能确定最长回文子串了。那么下面我们就来看如何编码求 p 数组,需要设置两个辅助变量 mx 和 id ,它们的含义分别如下:

id :从开始到现在使用中心扩散法得到的最长回文子串的中心的位置;

mx:从开始到现在使用中心扩散法得到的最长回文子串能延伸到的最右端的位置。

数组 p 的值就与它们两个有关,这个算法的最核心的一行如下:

p[i] = mx > i ? min(p[2 * id - i], mx - i) : 1;

可以这么说,这行要是理解了,那么马拉车算法基本上就没啥问题了,那么这一行代码拆开来看就是:

如果 mx > i, 则 p[i] = min(p[2 * id - i], mx - i),否则, p[i] = 1。

 5. 最长回文子串_第9张图片

这里 2 * id - i 是 i 关于 id 的对称索引。

我们通过分类讨论,就可以得到这个等式。一开始,我们是不能偷懒的,老老实实使用中心扩散法来逐渐得到 p 数组的值,同时记录 id 和 mx。当我们要考察的索引 i 超过了 mx 的时候,如下图,我们就可以偷点懒了。根据回文串的特点,i 关于 mx 的对称点附近的情况我们已经计算出来了,因此,我们可以分如下两种情况讨论。

讨论从一个中间的情况开始:

1、首先当 i 位于 id 和 mx 之间时,此时 id 之前的 p 值都已经计算出来了,我们利用已经计算出来的 p 值来计算当前考虑的位置的 p 值。

因为是回文串,因此在 mx 的对称点与 id 这个区间内,一定有一个点与 j 相等,这个点的索引就是 2 * id - i。

当 id < i < mx 的时候:

引入 j,如果 j 的回文串很短,在 mx 关于 id 的对称点之前结束。

此时 j = 2 * id - i,

if i < mx:
p[i] = min(p[2 * id - i], mx - i);
当 j 的范围很小的时候,取 p[2 * id - i] ,此时 p[i] = p[j]。

2、当 mx - i > p[j] 的时候,以 s[j] 为中心的回文子串包含在以 s[id] 为中心的回文子串中,由于 i 和 j 对称,以 s[i] 为中心的回文子串必然包含在以 s[id] 为中心的回文子串中,所以必有 p[i] = p[j],见下图。

5. 最长回文子串_第10张图片

 

3、当 p[j] >= mx - i 的时候,以 s[j] 为中心的回文子串不一定完全包含于以 s[id] 为中心的回文子串中,但是基于对称性可知,下图中两个绿框所包围的部分是相同的,也就是说以 s[i] 为中心的回文子串,其向右至少会扩张到 mx 的位置,也就是说 p[i] >= mx - i。至于 mx 之后的部分是否对称,就只能老老实实去匹配了。

 5. 最长回文子串_第11张图片

 

4、对于 mx <= i 的情况,无法对 p[i] 做更多的假设,只能从 p[i] = 1 开始,然后再去匹配了。

/**
 * 使用 Manacher 算法
 */
public class Solution3 {

    /**
     * 创建分隔符分割的字符串
     *
     * @param s      原始字符串
     * @param divide 分隔字符
     * @return 使用分隔字符处理以后得到的字符串
     */
    private String generateSDivided(String s, char divide) {
        int len = s.length();
        if (len == 0) {
            return "";
        }
        if (s.indexOf(divide) != -1) {
            throw new IllegalArgumentException("参数错误,您传递的分割字符,在输入字符串中存在!");
        }
        StringBuilder sBuilder = new StringBuilder();
        sBuilder.append(divide);
        for (int i = 0; i < len; i++) {
            sBuilder.append(s.charAt(i));
            sBuilder.append(divide);
        }
        return sBuilder.toString();
    }

    public String longestPalindrome(String s) {
        int len = s.length();
        if (len == 0) {
            return "";
        }
        String sDivided = generateSDivided(s, '#');
        int slen = sDivided.length();
        int[] p = new int[slen];
        int mx = 0;
        // id 是由 mx 决定的,所以不用初始化,只要声明就可以了
        int id = 0;
        int longestPalindrome = 1;
        String longestPalindromeStr = s.substring(0, 1);
        for (int i = 0; i < slen; i++) {
            if (i < mx) {
                // 这一步是 Manacher 算法的关键所在,一定要结合图形来理解
                // 这一行代码是关键,可以把两种分类讨论的情况合并
                p[i] = Integer.min(p[2 * id - i], mx - i);
      
View Code
string longestPalindrome(string s)
{
    int len = s.length();
    if (len < 1)
    {
        return "";
    }

    // 预处理
    string s1;
    for (int i = 0; i < len; i++)
    {
        s1 += "#";
        s1 += s[i];
    }
    s1 += "#";

    len = s1.length();
    int MaxRight = 0;                // 当前访问到的所有回文子串,所能触及的最右一个字符的位置
    int pos = 0;                    // MaxRight对应的回文串的对称轴所在的位置
    int MaxRL = 0;                    // 最大回文串的回文半径
    int MaxPos = 0;                    // MaxRL对应的回文串的对称轴所在的位置
    int* RL = new int[len];            // RL[i]表示以第i个字符为对称轴的回文串的回文半径
    memset(RL, 0, len * sizeof(int));
    for (int i = 0; i < len; i++)
    {
        if (i < MaxRight)
        {// 1) 当i在MaxRight的左边
            RL[i] = min(RL[2 * pos - i], MaxRight - i);
        }
        else
        {// 2) 当i在MaxRight的右边
            RL[i] = 1;
        }


        // 尝试扩展RL[i],注意处理边界
        while (i - RL[i] >= 0  // 可以把RL[i]理解为左半径,即回文串的起始位不能小于0
            && i + RL[i] < len // 同上,即回文串的结束位不能大于总长
            && s1[i - RL[i]] == s1[i + RL[i]]// 回文串特性,左右扩展,判断字符串是否相同
            )
        {
            RL[i] += 1;
        }

        // 更新MaxRight, pos
        if (RL[i] + i - 1 > MaxRight)
        {
            MaxRight = RL[i] + i - 1;
            pos = i;
        }

        // 更新MaxRL, MaxPos
        if (MaxRL <= RL[i])
        {
            MaxRL = RL[i];
            MaxPos = i;
        }
    }
    return s.substr((MaxPos - MaxRL + 1) / 2, MaxRL - 1);
}
View Code

 

你可能感兴趣的:(5. 最长回文子串)