最长回文字符串算法-Manacher’s Algorithm-马拉车算法
本文翻译于LeetCode上关于最长回文字符串的讲解
除了翻译之外，其中还加入了个人的理解的部分，将其中没有详细说明的部分进行了解释。
时间复杂度为O(n)的算法
首先，我们需要讲输入的字符串 S 进行一下转换得到 T，转换的方法就是通过在每两个字符之间插入一个字符串“#”,你马上就能知道为什么要这么做。
例如 输入字符串 S = “abaaba”, 转换之后得到了 T = “#a#b#a#a#b#a#.
为了找到最长回文字符串，我们的做法是在从T中的第 i 元素开始往字符串的两边进行扩展，例如T[i -d] 到 T[i +d]表示的是以T[i]为中心的回文字符串，你看到这个表示应该就能理解实际上回文字符串的长度是 2 * d.
为了找到最长的回文子串，那么必不可少的就是找出以每个字符为中心的最长回文子串，然后比较之后才能找出最长的。在这里我们使用数组P来保存以T中每个字符为中心的最长回文子串的半径（既长度的一半）。
接着使用上面的例子，
T = # a # b # a # a # b # a #
P = 0 1 0 3 0 1 6 1 0 3 0 1 0通过查看数组P，找到其中最大的数字，我们可以马上看出最长的回文字符串是”abaaba”.
不知道你是否注意到了我们插入的字符# ,通过插入这个字符，我们可以一次性的处理当输入字符串为奇数或者偶数的情况，而不需要分情况讨论。
不知道你又没有注意一个很重要的事情，那就是观察P中元素，他们是关于中心对称的，不仅仅是这个，在回文串“aba”中，他们在P中对应的数字(1, 3 , 1})也是对称的。这仅仅是一个巧合么？答案可以说是也可以说不是。这种对称的情况仅仅在某种情况下才成立，但是无论如何我们都获得了一个重大的发现。通过这个发现，我们可以减少P中元素的重复计算。
现在让我们来看一个更加复杂的例子,其中包含了一些重叠的回文子串。
S = “babcbabcbaccba”.
上面的图片是从S转换之后得到的T,假设你已经完成了P数组的部分数值的计算，图中的实线表示当前回文串 “abcbabcba”的中心(center C )，两条虚线分别表示以C为中心的回文串的边界。你先需要计算的是 i 的值，图中 i’ 表示的是i 关于 C 对称的点。那么问题来了，怎么计算更有效率的算出P[i] 值。
假设当前 i 的值是 13，我们需要得到 P[13]的值，我们首先看下 i 关于 C对称的 i’ = 9的值。
两条绿色实线覆盖的区域分表表示的是 以 i’ 和 i 为中心的最长回文子串。我们已经知道了 P[i’] = P[9] = 1, 那么非常明显，我们可以推断出 P[i] = P[i’] = 1, 因为回文子串的对称性。(这里稍微解释一下： 因为我们已经知道 a )
正如你在上一段看到的一样，P[i] = P[i’] = 1,这个是由回文子串关于其中心的对称性所决定的。实际上在C之后的三个元素都遵循了这种对称性（既 P[12] = P[10] = 0, P[13] = P[9] =1, P[14] = P[8] = 0 ).
现在我们到了 i = 15 这个点，i 关于 C对称的点是 i’ = 7 ,那么这里 P[15] = P[7] = 7 还会不会成立呢？
很不幸，这个时候如果认为P[15] 那就错了，如果我们以T[15] 为中心开始两边扩展，那么得到的最长回文子串是”a#b#c#b#a”, 这比我们根据对称性所得到的值 7 要小，那么原因是什么？
在上图中，绿色实线表示的是以C为中心的最长回文子串所覆盖的区域，红色实线表示的是与绿色区域不匹配的部分，左边的红色实线是以i’为中心的最长回文子串所覆盖区域超出绿色实线的部分。右边的红色实线是以i为中心的最长回文子串所覆盖区域超出绿色实线的部分。而绿色的虚线部分则是分别以 i 和 i’ 为中心最长回文子串与 绿色实线部分的重叠部分。
从图中我们可以明显的看出被两条绿色实线所覆盖的区域中，C两边的子串是完全相同的。同时绿色虚线的那部分也是关于中心对称的。但是需要注意的是 P[i’] = 7，此时以T[i’]为中心的最长回文子串超出了以C为中心的最长回文子串的左边界(图中L, 左边红色实线)，正是因为这个原因，这个时候无法再按照回文子串的对称性来处理了。
现在我们知道的是P[i] >= 5 ,为了找出P[i]最终的值，我们只有继续以P[i]为中心向两边扩展进行比较，在这个例子中P[21] 不等于 P[1],那么我们最终推断是P[i] = 5.
那么总结下来就是下面的伪码
if P[ i’ ] ≤ R – i,
then P[ i ] ← P[ i’ ]
else P[ i ] ≥ P[ i’ ]. (Which we have to expand past the right edge (R) to find P[ i ].这个表达式是否足够明了，如果你能掌握上面的公式，那么说明你已经知道了这个算法中最精髓也是最难的部分。
接下来的部分就什么时候该去移动当前回文子串的中心C和右边界R的位置，这个相对简单：
如果以i为中心的回文子串的右边界，向右扩展的时候超过了当前的R，那么就将C更新为 i,并且更新R到新的以i为中心的回文子串的右边界。在每一步中，都存在两种可能，如果P[i’] <= R - i ,我们将P[i]的值设置为P[i]，否则我们会尝试以P[i]为中心并且从 R 开始去扩展回文子串，在扩展的过程中最多执行N步,移动和测试每一个中心(P[i])一共需要耗费N步，那么总的时间复杂度是O(n).
下面是Java代码的实现
private static String preProcess (String s){
int n = s.length();
if (n == 0 ) return "^$" ;
String result = "^" ;
for ( int i = 0 ; i < n; i++) {
result += "#" + s.charAt(i);
}
result += "#$" ;
return result;
}
// the original implementation in C/C++
public static String getLongestPalindrome (String s){
char [] T = preProcess(s).toCharArray();
int n = T.length;
int [] P = new int [n];
int C = 0 , R = 0 ;
for ( int i = 1 ; i < n- 1 ; i++) {
int i_mirror = 2 *C - i; // equals to i' = C - (i-C)
if ( i < R ) {
P[i] = Math.min(R-i, P[i_mirror]);
} else {
P[i] = 0 ;
}
// Attempt to expand palindrome centered at i
while ( T[i+ 1 +P[i]] == T[i- 1 -P[i]] )
P[i]++;
// if palindrome centered at i expand past R
// adjust center based on expanded palindrome
if ( i + P[i] > R) {
C = i;
R = i + P[i];
}
}
int maxLen = 0 ;
int centerIndex = 0 ;
for ( int i = 1 ; i < n- 1 ; i++) {
if (P[i] > maxLen) {
maxLen = P[i];
centerIndex = i;
}
}
int beginIndex = (centerIndex- 1 -maxLen)/ 2 ;
return s.substring(beginIndex, beginIndex+maxLen);
}