LeetCode Hot100（56/100）——131. 分割回文串

文章目录

一、题目解析
二、问题分析与思考过程
- [2.1 回文串的定义](#2.1 回文串的定义)
- [2.2 思维导图](#2.2 思维导图)
三、解法一：回溯（DFS）
- [3.1 思路原理](#3.1 思路原理)
- [3.2 流程图示](#3.2 流程图示)
- [3.3 时间复杂度与空间复杂度分析](#3.3 时间复杂度与空间复杂度分析)
- [3.4 Java代码实现（基础版）](#3.4 Java代码实现（基础版）)
四、解法二：预处理回文表（动态规划优化）
- [4.1 优化思路](#4.1 优化思路)
- [4.2 预处理 + 回溯流程图](#4.2 预处理 + 回溯流程图)
- [4.3 时间空间复杂度分析](#4.3 时间空间复杂度分析)
- [4.4 Java代码实现（优化版）](#4.4 Java代码实现（优化版）)
五、总结与对比

一、题目解析

给定一个字符串 s，需要将其分割为若干子串，使得每个子串都是 回文串。返回所有可能的分割方案。

示例：

复制代码

输入：s = "aab"
输出：[["a","a","b"],["aa","b"]]

我们需要枚举所有可能的切分方式，只保留每个部分都是回文串的组合。

二、问题分析与思考过程

2.1 回文串的定义

一个字符串如果从前往后读与从后往前读完全相同，即为回文串。例如：

"aba" 是回文串；
"abc" 不是回文串。

回文判断可以通过双指针实现：判断首尾字符是否相同，再逐步内缩。

2.2 思维导图

下面是题目的整体思考过程：
分隔回文串
回文判断
双指针判断是否为回文
可提前预处理
解法思路
回溯递归
从左到右枚举切分点
若前缀是回文 -> 递归剩余部分
动态规划
预处理回文判断表
提升效率
复杂度分析
时间复杂度较高（回溯）
可用DP优化回文检查
Java实现
递归 + 回溯
预处理优化

三、解法一：回溯（DFS）

3.1 思路原理

该题本质是枚举所有分割方式。

每次从字符串的开头开始，选择一个"切分点"作为当前子串的结束位置，如果该子串是回文，则递归处理剩下的部分。

核心思想：

用一个临时列表 path 存当前的分割；
当遍历到字符串末尾时，将一条完整方案加入结果集。

3.2 流程图示

是
否
是
否
开始
从索引 start 开始
start == s.length()?
加入当前方案到结果
循环 i 从 start 到 s.length()-1
是否为回文 s $start..i$ ?
加入到 path
递归调用 dfs(i+1)
回溯：移除最后一个元素

3.3 时间复杂度与空间复杂度分析

时间复杂度：

最坏情况下，每个字符都可能分割产生 (2^{n}) 种组合，且每次判断回文消耗 (O(n))。

预计复杂度为 O(n × 2ⁿ)。
空间复杂度：

递归深度最多为 (n)，需要保存路径，复杂度为 O(n)。

3.4 Java代码实现（基础版）

java 复制代码

import java.util.*;

public class Solution {
    public List<List<String>> partition(String s) {
        List<List<String>> res = new ArrayList<>();
        dfs(s, 0, new ArrayList<>(), res);
        return res;
    }

    private void dfs(String s, int start, List<String> path, List<List<String>> res) {
        if (start == s.length()) {
            res.add(new ArrayList<>(path));
            return;
        }
        for (int i = start; i < s.length(); i++) {
            if (isPalindrome(s, start, i)) {
                path.add(s.substring(start, i + 1));
                dfs(s, i + 1, path, res);
                path.remove(path.size() - 1); // 回溯
            }
        }
    }

    private boolean isPalindrome(String s, int l, int r) {
        while (l < r) {
            if (s.charAt(l++) != s.charAt(r--)) return false;
        }
        return true;
    }
}

四、解法二：预处理回文表（动态规划优化）

4.1 优化思路

上面的方法中，每次都重复判断回文。

我们可以提前用一个二维数组 dp[i][j] 记录：

当 s[i..j] 是回文时，dp[i][j]=true。

状态转移：

d p $i$ $j$ = ( s $i$ = = s $j$ ) ∧ ( j − i < 3 或 d p $i + 1$ $j - 1$ ) dp $i$ $j$ = (s $i$ == s $j$ ) \land (j - i < 3 \text{ 或 } dp $i+1$ $j-1$ ) dp $i$ $j$ =(s $i$ ==s $j$ )∧(j−i<3 或 dp $i+1$ $j-1$ )

这样，判断某个子串是否为回文只需 (O(1))。

4.2 预处理 + 回溯流程图

dp $i$ $j$ ==true
预处理 dp 数组
递归回溯 dfs
判断 s $i..j$ 是否回文
加入方案
返回结果

4.3 时间空间复杂度分析

预处理：遍历全部子串，复杂度 (O(n^2))。
回溯仍然产生组合数 (O(2^n))。

总体复杂度：

时间：约 (O(n^2 + 2^n))

空间：(O(n^2))

4.4 Java代码实现（优化版）

java 复制代码

import java.util.*;

public class Solution {
    public List<List<String>> partition(String s) {
        int n = s.length();
        boolean[][] dp = new boolean[n][n];

        // 预处理所有回文子串情况
        for (int i = n - 1; i >= 0; i--) {
            for (int j = i; j < n; j++) {
                if (s.charAt(i) == s.charAt(j) &&
                    (j - i < 3 || dp[i + 1][j - 1])) {
                    dp[i][j] = true;
                }
            }
        }

        List<List<String>> res = new ArrayList<>();
        dfs(s, 0, new ArrayList<>(), res, dp);
        return res;
    }

    private void dfs(String s, int start, List<String> path, List<List<String>> res, boolean[][] dp) {
        if (start == s.length()) {
            res.add(new ArrayList<>(path));
            return;
        }
        for (int i = start; i < s.length(); i++) {
            if (dp[start][i]) {
                path.add(s.substring(start, i + 1));
                dfs(s, i + 1, path, res, dp);
                path.remove(path.size() - 1);
            }
        }
    }
}

五、总结与对比

解法	回文判断方式	时间复杂度	空间复杂度	适用场景
回溯基础版	实时双指针判断	O(n × 2ⁿ)	O(n)	字符串较短时
DP优化版	预处理回文表	O(n² + 2ⁿ)	O(n²)	大字符串场景