【代码随想录训练营第42期 Day46打卡 - 回文问题 - LeetCode 647. 回文子串 516.最长回文子序列

目录

一、做题心得

二、题目与题解

[题目一:647. 回文子串](#题目一:647. 回文子串)

题目链接

题解1:动态规划

题解2:中心扩展法

题目二:516.最长回文子序列

题目链接

题解1:反转+LCS

题解2:动态规划

三、小结


一、做题心得

今天是动态规划章节的最后内容,做的是回文问题--回文子串和最长回文子序列。对于这一类问题,我们一般采用二维dp 进行实现,其中,dp[i][j]中的 i, j 分别表示子串的起始位置和终止位置,然后通过两层循环遍历即可。

这里直接开始今天的内容。

二、题目与题解

题目一:647. 回文子串

题目链接

647. 回文子串 - 力扣(LeetCode)

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。

回文字符串 是正着读和倒过来读一样的字符串。

子字符串 是字符串中的由连续字符组成的一个序列。

示例 1:

复制代码
输入:s = "abc"
输出:3
解释:三个回文子串: "a", "b", "c"

示例 2:

复制代码
输入:s = "aaa"
输出:6
解释:6个回文子串: "a", "a", "a", "aa", "aa", "aaa"

提示:

  • 1 <= s.length <= 1000
  • s 由小写英文字母组成
题解1:动态规划

动态规划是解决各种子序列问题的经典解法。

对于回文子串问题,我们通过设置二维dp数组dp[i][j],用 i 与 j 分别表示当前子串的起始位置和终止位置。-- 这一道题是得到回文子串的数目,那么我们就可以设置bool 型 的dp数组,从而对于每一个为 true 的子串进行数目上的+1。(注意,在这里:dp[i][j] 表示字符串s在[i,j]区间的子串是否是一个回文串

然后通过两层循环遍历起始位置和终止位置,从而确立当前子串是否为回文串的条件:

cpp 复制代码
s[i] == s[j] && (j - i < 2 || dp[i + 1][j - 1])

这里的含义:s[i]和s[j]相等(当前两端点相等)**+**子串长度小于等于2,或者dp[i+1][j-1]为true(即s[i+1,j-1]是回文串)

代码如下:

cpp 复制代码
class Solution {
public:
    int countSubstrings(string s) {
        int n = s.size();
        vector<vector<bool>> dp(n, vector<bool>(n, false));     //dp[i][j] 表示字符串s在[i,j]区间的子串是否是一个回文串 -- bool型dp数组
        int ans = 0;      //统计个数--结果
        for (int j = 0; j < n; j++) {       //外层循环j表示子串的结束位置,从0到n-1
            for (int i = 0; i <= j; i++) {       //内层循环i表示子串的开始位置,从0到j
                //s[i]和s[j]相等(当前两端点相等) + 子串长度小于等于2,或者dp[i+1][j-1]为true(即s[i+1,j-1]是回文串) -- 这时在区间s[i,j]一定是回文串
                if (s[i] == s[j] && (j - i < 2 || dp[i + 1][j - 1])) {
                    dp[i][j] = true;
                    ans++;
                }
            }
        }
        return ans;
    }
};
题解2:中心扩展法

在这里,中心扩展法的思想 -- 从中心向外扩展:两个关键--1.主函数考虑s长度为奇数与偶数两种情况(中心是一个位置还是两个);2.extend()函数从内向外中心扩展,怎样满足是回文子串的条件。

具体如何实现,直接看以下代码(含详细注释):

cpp 复制代码
class Solution {
public:
    int extend(string &s, int i, int j, int n) {    //extend()函数用于计算以s[i]和s[j]为中心的回文子串的数量
        int t = 0;        //统计当前情况的回文子串数:每次调用函数时,从0开始
        while(i >= 0 && j < n && s[i] == s[j]) {        //关键:中心扩展法--从中心向外扩展,当内层两个字符相同时(不越界),即满足是回文子串
            i--;        //i向左移动,j向右移动,继续检查下一对字符
            j++;
            t++;      //回文子串数+1
        }
        return t;
    }
    int countSubstrings(string s) {
        int ans = 0;    //统计个数 -- 结果
        int n = s.size();
        for(int i = 0; i < n; i++) {        //遍历字符串的每个字符,以每个字符为中心,检查回文子串
            ans += extend(s, i, i, n);          //检查以s[i]为中心的奇数长度回文子串的数量
            ans += extend(s, i, i+1, n);        //检查以s[i]和s[i+1]为中心的偶数长度回文子串的数量
        }
        return ans;
    }
};

题目二:516.最长回文子序列

题目链接

516. 最长回文子序列 - 力扣(LeetCode)

给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。

子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。

示例 1:

复制代码
输入:s = "bbbab"
输出:4
解释:一个可能的最长回文子序列为 "bbbb" 。

示例 2:

复制代码
输入:s = "cbbd"
输出:2
解释:一个可能的最长回文子序列为 "bb" 。

提示:

  • 1 <= s.length <= 1000
  • s 仅由小写英文字母组成
题解1:反转+LCS

这个思路似乎不太容易想到:原字符串与将其反转后的字符串的最长公共子序列(LCS)就是原字符串的最长回文子序列

可以通过画图举例探讨以上思路的正确性--其实回文这一特性就可以往反转的角度去思考

由于最长公共子序列问题之前打卡就有出现,这里就不详细解释了。

代码如下:

cpp 复制代码
class Solution {
public:
    int longestPalindromeSubseq(string s) {
        int n = s.size();
        string t = s;
        reverse(s.begin(), s.end());
        vector<vector<int>> dp(n + 1, vector<int>(n + 1, 0));
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= n; j++){
                if (s[i - 1] == t[j - 1]) {
                    dp[i][j] = dp[i - 1][j - 1] + 1;
                }
                else {
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[n][n];
    }
};
题解2:动态规划

其实从某种程度上来说,思路和最长公共子序列有些像,尤其是对于处理当前对应两字符相同或者不同的情况。

**dp数组:**dp[i][j]表示字符串s在[i,j]区间内的最长回文子序列的长度 -- i为起始位置, j为终止位置

**dp数组初始化:**只有一个元素的子串对应着长度为1的子序列

cpp 复制代码
for (int i = 0; i < n; i++) {       
            dp[i][i] = 1;
        }

状态方程

1.当s[i] == s[j]时,可以形成一个新的回文子序列,其长度为dp[i+1][j-1] + 2

2.当s[i] != s[j]时,需要取不包含s[i]或s[j]中的最长回文子序列长度,即max(dp[i+1][j], dp[i][j-1])

遍历方式 :由状态方程可知,当前 dp[i][j] 与 dp[i + 1][j - 1]有关,那么可以得出,对于dp数组的遍历,我们需要:从下往上,从左往右

完整代码如下:

cpp 复制代码
class Solution {
public:
    int longestPalindromeSubseq(string s) {
        int n = s.size();
        vector<vector<int>> dp(n, vector<int>(n, 0));     //dp[i][j]表示字符串s在[i,j]区间内的最长回文子序列的长度 -- i为起始位置, j为终止位置
        for (int i = 0; i < n; i++) {       //初始化只有一个元素的子串 -- 长度为1的子序列
            dp[i][i] = 1;
        }
        //填充dp数组,从下往上,从左往右 -- 这里需要注意的是 i 的遍历必须是从下往上(从大到小):因为当前 dp[i][j] 与 dp[i + 1][j - 1]有关,需要先得出 dp[i + 1]
        for (int i = n - 1; i >= 0; i--) {
            for (int j = i + 1; j < n; j++) {
                //当s[i] == s[j]时,可以形成一个新的回文子序列,其长度为dp[i+1][j-1] + 2
                if (s[i] == s[j]) {
                    dp[i][j] = dp[i + 1][j - 1] + 2;
                } 
                //当s[i] != s[j]时,需要取不包含s[i]或s[j]中的最长回文子序列长度,即max(dp[i+1][j], dp[i][j-1])
                else {
                    dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);
                }
            }
        }
        return dp[0][n - 1];            //整个字符串s
    }
};

三、小结

今天的打卡到此结束,动态规划章节也就此结尾。

相关推荐
jiao_mrswang11 分钟前
leetcode-18-四数之和
算法·leetcode·职场和发展
王燕龙(大卫)30 分钟前
leetcode 数组中第k个最大元素
算法·leetcode
Swift社区9 小时前
LeetCode - #139 单词拆分
算法·leetcode·职场和发展
Dong雨11 小时前
力扣hot100-->栈/单调栈
算法·leetcode·职场和发展
trueEve12 小时前
SQL,力扣题目1369,获取最近第二次的活动
算法·leetcode·职场和发展
九圣残炎14 小时前
【从零开始的LeetCode-算法】3354. 使数组元素等于零
java·算法·leetcode
程序猿小柒15 小时前
leetcode hot100【LeetCode 4.寻找两个正序数组的中位数】java实现
java·算法·leetcode
飞滕人生TYF16 小时前
动态规划 详解
算法·动态规划
_OLi_16 小时前
力扣 LeetCode 106. 从中序与后序遍历序列构造二叉树(Day9:二叉树)
数据结构·算法·leetcode
我明天再来学Web渗透16 小时前
【SQL50】day 2
开发语言·数据结构·leetcode·面试