求解最大回文子串是一道比较常见的算法题,回文就是正着读和反着读是一样的,例如:上海自来水来自海上。
1.暴力求解
截取每个可能的字符子串,并判断该字符串是否回文,先写一个判断回文的小函数:
public static boolean isPalindromic(String s) {
int len = s.length();
for (int i = 0; i < len / 2; i++) {
if (s.charAt(i) != s.charAt(len - 1 - i)) {
return false;
}
}
return true;
}
使用两次循环,截取出所有可能出现的子串,依次判断是否回文:
public static String solution(String s) {
int len = s.length();
String temp = "";
String ret = "";
int max = 0;
for (int i = 0; i < len; i++) {
for (int j = i; j < len + 1; j++) {
temp = s.substring(i, j);
if (isPalindromic(temp) && temp.length() > max) {
ret = temp;
max = Math.max(max, temp.length());
}
}
}
return ret;
}
第一次在leetcode提交时,还提示超时,其实暴力求解可以优化下的,既然是求最大回文(不是所有回文子串),内层循环时可以直接在已知解的基础上截取,如果没有满足的长度直接结束。
for (int i = 0; i < len; i++) {
for (int j = i + max; j < len + 1; j++) {
...}
}
程序不正是优化而来的吗?
2.动态规划
动态规划在我理解就是在求解过程中,后面的求解过程可以使用前面已经求解完成的解,这样可以避免重复的运算,个人感觉和尾递归的路子一样。这里的解依旧是优化暴力求解。
使用二维数组记录字符串dp[i] [j] 来记录字符串下标 i 到 j 的子串是否为回文,显然单个字符是回文,且存在:如果s[i]==s[j],且s[i+1]==s[j-1],那么dp[i] [j] 是回文。
基于以上,存在:
dp[i] [i] = true;
s[i] == s[j] ,j - i = 1 || j - i = 2时,dp[i] [j] = true;
s[i]==s[j],s[i+1]==s[j-1]时, dp[i] [j] = true;
public String longestPalindrome(String s) {
if (s.length() < 2) {
return s;
}
boolean dp[][] = new boolean[s.length()][s.length()];
for (int i = 0; i < s.length(); i++) {
dp[i][i] = true;
}
int pos = 0;
int len = 1;
for (int i = 1; i < s.length(); i++) {
for (int j = 0; j < i; j++) {
if (s.charAt(j) == s.charAt(i) && (i - j < 3 || dp[j + 1][i - 1])) {
dp[j][i] = true;
if (i - j + 1 > len) {
pos = j;
len = i - j + 1;
}
} else {
dp[j][i] = false;
}
}
}
return s.substring(pos, pos + len);
}
这样我们标记了下标 i 到 j 的字符子串是否为回文,继续向前求解时就可以利用这些已知的解,作为判断当前求解过程的依据。