第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串

LeetCode 647. 回文子串

        给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。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,也会被视作不同的子串。

视频讲解https://www.bilibili.com/video/BV17G4y1y7z9/?spm_id_from=333.788&vd_source=f98f2942b3c4cafea8907a325fc56a48文章讲解https://programmercarl.com/0647.%E5%9B%9E%E6%96%87%E5%AD%90%E4%B8%B2.html

第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第1张图片

⭐如果s[i + 1, j - 1]是回文子串 且 s[i] == s[j] s[i, j]是回文子串

  • 思路:
    • 思路一,动态规划:
      • dp数组含义:bool类型 dp[i][j] 表示 子串[i, j]是否回文
      • 递推公式:只用维护 i <= j 的 dp[i][j],考虑以下情况
        • 情况一:i == j,例如"a",true
        • 情况二:i + 1 == j,例如"aa",true
        • 情况三:i + 1 < j,看dp[i + 1][j - 1](此时dp[i + 1][j - 1]才有意义)
      • 初始化:全false
      • 遍历顺序:从下到上/从左到右
    • 思路二,双指针:
      • 遍历s,取中心点用于向两边对称位置扩展
        • 以 i 为中心(奇数)
        • 以 i 和 i + 1 为中心(偶数)
      • 从中心向两边比较,统计回文子串的数目
  • 代码:
// 思路一,动态规划:
class Solution {
public:
    int countSubstrings(string s) {
        vector> dp(s.size(), vector(s.size(), false));
        int result = 0;
        for (int i = s.size() - 1; i >= 0; i--) {  // 注意遍历顺序
            for (int j = i; j < s.size(); j++) {
                if (s[i] == s[j]) {
                    if (j - i <= 1) { // 情况一 和 情况二
                        result++;
                        dp[i][j] = true;
                    } else if (dp[i + 1][j - 1]) { // 情况三
                        result++;
                        dp[i][j] = true;
                    }
                }
            }
        }
        return result;
    }
};

// 简洁版:
class Solution {
public:
    int countSubstrings(string s) {
        vector> dp(s.size(), vector(s.size(), false));
        int result = 0;
        for (int i = s.size() - 1; i >= 0; i--) {
            for (int j = i; j < s.size(); j++) {
                if (s[i] == s[j] && (j - i <= 1 || dp[i + 1][j - 1])) {
                    result++;
                    dp[i][j] = true;
                }
            }
        }
        return result;
    }
};
// 时间复杂度:O(n^2)
// 空间复杂度:O(n^2)
// 思路二,双指针:
class Solution {
public:
    int countSubstrings(string s) {
        int result = 0;
        for (int i = 0; i < s.size(); i++) {
            result += extend(s, i, i, s.size()); // 以i为中心
            result += extend(s, i, i + 1, s.size()); // 以i和i+1为中心
        }
        return result;
    }
    int extend(const string& s, int i, int j, int n) {
        int res = 0;
        while (i >= 0 && j < n && s[i] == s[j]) {
            i--;
            j++;
            res++;
        }
        return res;
    }
};
// 时间复杂度:O(n^2)
// 空间复杂度:O(1)

LeetCode 516.最长回文子序列

        给定一个字符串 s ,找到其中最长的回文子序列,并返回该序列的长度。可以假设 s 的最大长度为 1000 。

视频讲解https://www.bilibili.com/video/BV1d8411K7W6/?spm_id_from=333.788&vd_source=f98f2942b3c4cafea8907a325fc56a48文章讲解https://programmercarl.com/0516.%E6%9C%80%E9%95%BF%E5%9B%9E%E6%96%87%E5%AD%90%E5%BA%8F%E5%88%97.html

  • 思路:
    • dp数组含义:dp[i][j] 表示 子串[i, j]的最长回文子序列的长度
    • 递推公式:
      • s[i] 与 s[j] 相同dp[i][j] = dp[i + 1][j - 1] + 2;第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第2张图片
      • s[i] 与 s[j] 不同dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);

      第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第3张图片

    • 初始化dp[i][i] = 1;其余全0
    • 遍历顺序:从下到上,从左到右
    • 最终结果:dp[0][s.size() - 1]; 
  • 代码:
class Solution {
public:
    int longestPalindromeSubseq(string s) {
        vector> dp(s.size(), vector(s.size(), 0));
        for (int i = 0; i < s.size(); i++) dp[i][i] = 1;
        for (int i = s.size() - 1; i >= 0; i--) {
            for (int j = i + 1; j < s.size(); j++) {
                if (s[i] == s[j]) {
                    dp[i][j] = dp[i + 1][j - 1] + 2;
                } else {
                    dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[0][s.size() - 1];
    }
};

⭐拓展:LeetCode 5.最长回文LeetCode 5.最长回文子串LeetCode 5.最长回文

  • dp数组含义:dp[i][j] 表示 子串[i, j]的最长回文子串的长度
  • 递推公式:
    • s[i] 与 s[j] 相同 且 [i + 1, j - 1]是回文子串dp[i][j] = dp[i + 1][j - 1] + 2;
      • dp[i + 1][j - 1] == j - (i + 1)
      • 记录最长回文子串[start, end]
        • 每遇到一个回文子串[i, j]比较长度:j + 1 - i vs end + 1 - start
        • 若 >,则更新start、end
    • elsedp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
  • 初始化dp[i][i] = 1;其余全0
  • 遍历顺序:从下到上,从左到右
  • 最终结果:dp[0][s.size() - 1]字符串s的最长回文子串的长度
    • 题目要求返回最长回文子串
2023/3/17 二刷 5.最长回文子串:
        把dp数组设成bool型,只需用 pos 和 len 记录当前最长回文子串的 起始位置 和 长度,不必维护每个区间的最长回文子串长度!
class Solution {
public:
    string longestPalindrome(string s) {
        // 记录最长回文子串
        int pos = 0; // 起始位置
        int len = 0; // 长度
        // dp[i][j]:子串[i, j]是否回文
        vector> dp(s.size(), vector(s.size(), false));
        // 从下到上,从左到右
        for (int i = s.size() - 1; i >= 0; --i) {
            for (int j = i; j < s.size(); ++j) {
                if (s[i] == s[j] && (j <= i + 1 || dp[i + 1][j - 1])) {
                    dp[i][j] = true;
                    // 更新最长回文子串
                    if (j - i + 1 > len) {
                        pos = i;
                        len = j - i + 1;
                    }
                }
            }
        }
        return s.substr(pos, len);
    }
};

动态规划总结篇

动规五部曲:

  1. 确定dp数组(dp table)以及下标的含义
  2. 确定递推公式
  3. dp数组如何初始化
  4. 确定遍历顺序
  5. 举例推导dp数组

动态规划基础: 

理论基础、509.斐波那契数、70.爬楼梯、746.使用最小花费爬楼梯:Day 38

62.不同路径Ⅰ、63.不同路径Ⅱ:Day 39

343.整数拆分、96.不同的二叉搜索树:Day 41

背包问题系列

01背包理论基础二维、一维、416:Day 42

1049、494、474:Day 43

完全背包理论基础、518、377:Day 44

70(进阶)、322、279:Day 45

139、多重背包、背包问题总结:Day 50

第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第4张图片

打家劫舍系列:Day 51

打家劫舍Ⅰ:线

打家劫舍Ⅱ:环

打家劫舍Ⅲ:树形dp

股票系列:Day 52、Day 53、Day 55

第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第5张图片

子序列系列:

300、674、718:Day 56

1143、1035、53:Day 57

392、115:Day 58

583、72:Day 59

647、516:Day 60

第九章_动态规划_总结篇 | 647. 回文子串、516.最长回文子序列、5.最长回文子串_第6张图片

你可能感兴趣的:(动态规划,leetcode)