代码随想录算法训练营DAY54|C++动态规划Part15|647.回文子串、516最长回文子序列、

本文主要是介绍代码随想录算法训练营DAY54|C++动态规划Part15|647.回文子串、516最长回文子序列、，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

647.回文子串
- 思路
- CPP代码
- 双指针
516最长回文子序列
- 思路
- CPP代码
动态规划总结篇

647.回文子串

力扣题目链接

文章链接：647.回文子串

视频链接：动态规划，字符串性质决定了DP数组的定义 | LeetCode：647.回文子串

其实子串问题和子序列问题非常类似，也是存在最优子结构，那就意味着原问题的最优解可以由子问题的最优解推导出来。

其实回文的问题很容易联想到双指针。不过为了后续能够解决516.最长回文子序列问题，我们还是先使用动规解决一下该问题，为后面打基础。

思路

确定dp数组以及下标含义

我们回文子串的问题并不能像解决子序列问题那样去设置dp数组。

如果我们定义，dp[i] 为下标i结尾的字符串有 dp[i]个回文串的话，我们会发现很难找到递归关系，因为根本就无法跟相邻数组元素有什么关系。联想到使用双指针解决回文子串，我们的dp数组设置是不是也能参考设计呢？

最好的解决方法设置：布尔类型的dp[i][j]：表示区间范围[i,j] （注意是左闭右闭）的子串是否是回文子串，如果是dp[i][j]为true，否则为false。

确定递推公式

两种情况：s[i]与s[j]相等，s[i]与s[j]不相等，其中相等时又分为三种情况

如果不相等，那dp[i][j]=false

如果相等：

下标i 与 j相同，同一个字符例如a，当然是回文子串
下标i 与 j相差为1，例如aa，也是回文子串
下标：i 与 j相差大于1的时候，例如cabac，此时s[i]与s[j]已经相同了，我们看i到j区间是不是回文子串就看aba是不是回文就可以了，那么aba的区间就是 i+1 与 j-1区间，这个区间是不是回文就看dp[i + 1][j - 1]是否为true。

综上所述：

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;}
}

如何初始化

全是设置为false

确定遍历顺序

二维的递推顺序最好就是根据递推公式画一个格子：

![在这里插入图片描述](

我们需要首先知道左下角的格子，才能推导出我们的dp，

所以一定要从下到上，从左到右遍历，这样保证dp[i + 1][j - 1]都是经过计算的。

推导dp数组

输入：“aaa”，dp[i][j]状态如下：

图片中有6个true，所以就有六个回文子串

CPP代码

//完整代码
class Solution {
public:int countSubstrings(string s) {vector<vector<bool>> dp(s.size(), vector<bool>(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;}
};//简洁版代码
class Solution {
public:int countSubstrings(string s) {vector<vector<bool>> dp(s.size(), vector<bool>(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)

双指针

回文必须还得是双指针

class Solution {
public:int countSubstrings(string s) {int count = 0;for (int i = 0; i < s.length(); ++i) {count += countPalindrome(s, i, i); // 以 s[i] 为中心的回文子串数量count += countPalindrome(s, i, i + 1); // 以 s[i] 和 s[i+1] 为中心的回文子串数量}return count;}private:int countPalindrome(const string& s, int left, int right) {int count = 0;while (left >= 0 && right < s.length() && s[left] == s[right]) {++count;--left;++right;}return count;}
};

时间复杂度：O(n^2)
空间复杂度：O(1)

516最长回文子序列

力扣题目链接

文章链接：516最长回文子序列

视频链接：动态规划再显神通，LeetCode：516.最长回文子序列

对于这个问题，使用双指针并不是最有效的方法。因为最长回文子序列不要求是连续的字符，而是可以跳过某些字符形成回文。本题中，回文子序列与回文子串是有区别的。

思路

确定dp数组以及下标的含义

dp[i][j]：字符串s在[i, j]范围内最长的回文子序列的长度为dp[i][j]

确定递推公式

在判断回文子串的题目中，关键逻辑就是看s[i]与s[j]是否相同。

如果s[i]与s[j]相同，那么dp[i][j] = dp[i + 1][j - 1] + 2;

具体如图所示：

如果s[i]与s[j]不相同，说明s[i]和s[j]的同时加入并不能增加[i,j]区间回文子序列的长度，那么分别加入s[i]、s[j]看看哪一个可以组成最长的回文子序列。

加入s[j]的回文子序列长度为dp[i + 1][j]。

加入s[i]的回文子序列长度为dp[i][j - 1]。

那么dp[i][j]一定是取最大的，即：dp[i][j] = max(dp[i + 1][j], dp[i][j - 1]);

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]);
}

dp数组如何初始化

从递推公式可以看出，递推公式计算不到i 和j相同时候的情况。

当i与j相同，那么dp[i][j]一定是等于1的，即：一个字符的回文子序列长度就是1。

其他都应该初始化成0，这样题对公式dp[i][j]=max(dp[i + 1][j], dp[i][j - 1]);才不会被初始值覆盖

vector<vector<int>> dp(s.size(), vector<int>(s.size(), 0));
for (int i = 0; i < s.size(); i++) dp[i][i] = 1;

确定遍历顺序

从递归公式中，可以看出，dp[i][j] 依赖于 dp[i + 1][j - 1] ，dp[i + 1][j] 和 dp[i][j - 1]，如图:

所以当我们遍历i的时候是从上到下，然后j是从左到右

for (int i = s.size() - 1; i >= 0; i--) {for (int j = i + 1; j < s.size(); j++) {...}
}

举例推导dp数组

输入s:“cbbd” 为例，dp数组状态如图：

红色框即：dp[0][s.size() - 1]; 为最终结果。

CPP代码

class Solution {
public:int longestPalindromeSubseq(string s) {vector<vector<int>> dp(s.size(), vector<int>(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];}
};