从Leetcode的回文子串中学习动态规划和中心扩散法

动态规划和中心扩散法的学习

例题来自LeetCode的第五题--求最长的回文子串

题目：给你一个字符串s，找到s中最长的回文子串。

示例：

输入：s="babad"

输出："bab" or "aba"

输入：s="cbbd"

输出："bb"

常规解题

我之前的思路就是遍历字符串，然后反转字符串看看是否是回文子串。

class Solution {

    public String longestPalindrome(String s) {
        char[] arr = s.toCharArray();
        List<String> list = new ArrayList<>();
        for(int i=0;i<arr.length;i++) {
            for(int j=i;j<arr.length;j++) {
                String str = s.substring(i,j+1);
                if(str.equals(reverse(str))) {
                    list.add(str);
                }
            }
        }
        return MaxinArrySize(list);
    }
    
    public String reverse(String str) {
        String reverse = "";
        int length = str.length();
        for (int i = 0; i < length; i++) {
          reverse = str.charAt(i) + reverse;
        }
        return reverse;
     }
    
    public String MaxinArrySize(List<String> arrList) {
        int max = 0;
        int index = 0;
        for (int i = 0;i<arrList.size();i++) {
            String s = arrList.get(i);
            if (s.length() > max) {
                index = i;
                max = s.length();
            }
        }
        return arrList.get(index);
    }
}

但是提交后发现

"civilwartestingwhetherthatnaptionoranynartionsoconceivedandsodedicatedcanlongendureWeareqmetonagreatbattlefiemldoftzhatwarWehavecometodedicpateaportionofthatfieldasafinalrestingplaceforthosewhoheregavetheirlivesthatthatnationmightliveItisaltogetherfangandproperthatweshoulddothisButinalargersensewecannotdedicatewecannotconsecratewecannothallowthisgroundThebravelmenlivinganddeadwhostruggledherehaveconsecrateditfaraboveourpoorponwertoaddordetractTgheworldadswfilllittlenotlenorlongrememberwhatwesayherebutitcanneverforgetwhattheydidhereItisforusthelivingrathertobededicatedheretotheulnfinishedworkwhichtheywhofoughtherehavethusfarsonoblyadvancedItisratherforustobeherededicatedtothegreattdafskremainingbeforeusthatfromthesehonoreddeadwetakeincreaseddevotiontothatcauseforwhichtheygavethelastpfullmeasureofdevotionthatweherehighlyresolvethatthesedeadshallnothavediedinvainthatthisnationunsderGodshallhaveanewbirthoffreedomandthatgovernmentofthepeoplebythepeopleforthepeopleshallnotperishfromtheearth"

卡在这个测试用例上了，显示时间超时。

很明显，只要字符串长了，遍历所耗费的时间就呈指数增长。

动态规划法

创建一个二维数组 dp[i][j]用来存放字符S[i]和S[j]的字符是否相等，如果是，则状态为1，否则为0。其中S是字符串数组。

这样就引申出：

当S[i] == S[j]时，如果S[i+1] == S[j-1]，那么这个字符串就是回文子串，反之则不是回文子串。
当S[i] != S[j]时，则一定不是回文子串。
当i == j时，则是单个字符，一定为回文子串。

则可以推导出动态转移方程：

再来看看动态规划满足的前提条件有三种：

最优子结构，在回文子串的两边加上同一个字符依旧可以组成一个新的回文子串，因此后一种状态可以通过上一个状态推导出来，即问题的最优解所包含的子问题的解也是最优的。举个例子：一个国家有一个最强士兵(最优解)，那么这个士兵一定是所在军营里最强的士兵。
有边界，遍历的时候是从两个端点开始，因此j的值始终比i大，所以推到出边界为j - i >= 0;
重叠子问题，即子问题之间是不独立的，一个子问题在下一阶段决策中可能被多次用到。也就是说，如果i和j中的子串不是回文子串，就算S[i] == S[j]其状态也应该为0。

最后代码如下：

public static String longestPalindrome(String s) {
        int len = s.length();
        if (len <= 1) return s;
        
        boolean[][] dp = new boolean[len][len];
        
        //初始化边界
        for (int i=0;i<len;i++) {
            dp[i][i] = true;
        }
        
        char[] arr = s.toCharArray();
        int max = 1;        //至少要截取一个字符串
        int startIndex = 0;
        for(int j = 1;j<len;j++) {
            for(int i=0;i<j;i++) {
                if(arr[i] != arr[j]) {
                    dp[i][j] = false;
                }else {
                    if(j-i < 2) {
                        dp[i][j] = true;
                    }else {
                        dp[i][j] = dp[i+1][j-1];
                    }
                }
                
                if(dp[i][j] && j-i+1 > max) {
                    max = j-i+1;
                    startIndex = i;
                }
            }
        }
        return s.substring(startIndex, startIndex+max);
    }

解题字符串"abbacb"的二维状态数组如下

提交答案后发现：

执行的时长还是很高，那有没有更好的解题方案呢？这时候就介绍另一种解题方法

中心扩散法

class Solution {

    public static String longestPalindrome(String s) {
        if (s == null || s.length() == 0) {
            return "";
        }
//         保存起始位置，测试了用数组似乎能比全局变量稍快一点
        int[] range = new int[2];
        char[] str = s.toCharArray();
        for (int i = 0; i < s.length(); i++) {
//             把回文看成中间的部分全是同一字符，左右部分相对称
//             找到下一个与当前字符不同的字符
            i = findLongest(str, i, range);
        }
        return s.substring(range[0], range[1] + 1);
    }
    
    public static int findLongest(char[] str, int low, int[] range) {
//      查找中间部分
     int high = low;
     while (high < str.length - 1 && str[high + 1] == str[low]) {
         high++;
     }
//      定位中间部分的最后一个字符
     int ans = high;
//      从中间向左右扩散
     while (low > 0 && high < str.length - 1 && str[low - 1] == str[high + 1]) {
         low--;
         high++;
     }
//      记录最大长度
     if (high - low > range[1] - range[0]) {
         range[0] = low;
         range[1] = high;
     }
     return ans;
    }
}

程序会通过for循环遍历所有字符，然后调用findLongest方法，但是在该方法中只需要往左右扩散，因此在长的字符串中进行遍历，其效率会高于动态规划的解题方法。

其核心思路是找到回文子串的中间部分，然后在向左右进行比较，并记录最大长度的回文子串。

这个方法简直比动态规划快了近54倍！