算法设计与分析 Manacher算法

简介: 算法设计与分析 Manacher算法

Manacher算法

问题描述

  • Manacher算法解决的问题:
    (1)字符串str中,最长回文子串的长度如何求解
    (2)如何做到时间复杂度O(N)完成?

常规思路

  • 遍历每个字符,将每个字符看成一个中心(对称轴),分别向左右扩展,相同就继续扩展,不同就结束
  • 缺点:偶数个字符的回文,中心(对称轴)不是单个字符,会被忽略
  • 解决技巧:处理长度为n的字符时,在原字符的空隙之间添加特殊字符,此时偶数个字符的回文以可转化成奇数个的去解决
  • 例:
    (1)原字符:1 2 2 1 3 1 2 2 1 若统计1 2 2 1 就会出现忽略
    (2)添加特殊字符:# 1 # 2 # 2 # 1 # 3 # 1 # 2 # 2 # 1 # ,此时的回文均为奇数个,便都可以进行统计
  • 统计出最长的回文,因为添加了特殊字符,所以结果除以2后向下取整,便是答案
  • 特殊字符的选择:特殊字符可以是任意的,就算是原字符中出现过的也可以,因为其实每次比较是都是原来字符之间比较,新填的字符之间比较,所以特殊字符的选择不影响记录
  • 时间复杂度O(N ^ 2),N为字符个数

Manacher思路

  • Manacher与kmp类似均是在常规思路的基础上进行加速
  • 在常规思路添加特殊字符的基础上进行改进
  • 基本概念:
    (1)回文半径与回文直径:扩充区域的大小
    (2)回文半径数组:记录每一个字符的回文半径
    (3)回文右边界:int型,初始值为 -1, 右扩的过程中能达到的最右边界的后一个位置
    (4)回文中心点:int型,初始值为 -1, 右扩的过程中达到的最右边界时,中心点的下标
    (5)回文右边界与中心点是一起使用的,同时进行更新
  • 情况分析:
    (1)当前点 i 不在回文右边界里:暴力扩充,无优化,直接扩
    (2)当前点 i 在回文右边界里:image.png
    L:左边界,R:右边界,C:中心点,i‘ :i 关于C的对称点
    在回文半径数组中可以得到,i’ 的回文情况
    (a ) i’ 的回文区域在L内部,则 i 的回文半径就是 i‘ 的回文半径
    (b ) i’ 的回文区域有一部分已经在L外部,那么 i 的回文半径就是 i 到 R的部分
    (c ) i‘ 的回文区域与L重合,i 的回文半径一定 >= i 到 R 的部分,需要对R 后的东西与R关于 i 的对称点 R’ 进行比较,判断回文区域
  • 时间复杂度O(N),N为字符个数

代码实现

  • 若使用情况分析的结果挨个判断实现代码太过繁琐
  • 可以整合无需判断回文的部分,得到对应的回文半径后,跳过无需判断的部分后,剩余代码部分情况全部判断是否能扩张
    (1)情况1,无需比较的部分就是自己回文半径从1开始
    (2)情况2,a的情况是最小值,b与c都是基于回文右边界 - i,则比较preArr[ i‘ ] 与 R - i + 1的大小,取较小值就是不用判断的部分
    public static int manacher(String str){
        if (str == null || str.length() == 0){
            return 0;
        }
        char[] chs = manacherString(str); //添加特殊字符
        int[] preArr = new int[chs.length]; //回文半径数组
        int mid = -1; //回文中心
        int R = -1; //回文右边界
        int max = Integer.MIN_VALUE; //最大回文长度
        for (int i = 0; i < chs.length; i++){
            //遍历字符数组
            //不用判断的区域
            //i <= R当前点i不在右边界,回文半径至少是 1
            //i在右边界的两种情况:i'的回文在 L内,或者L外i
            //通过对称点 i’ 或者 R - i中的最小值,就可判断时哪一种情况
            preArr[i] = R > i ? Math.min(preArr[2 * mid - i], R - i + 1) : 1;
            while (i + preArr[i] < chs.length && i - preArr[i] > -1) {
                //不超过左右字符数组的情况下
                //无论是哪一种情况都判断能否扩张,使得代码精简
                if (chs[i + preArr[i]] == chs[i - preArr[i]]){
                    //满足扩展
                    preArr[i]++;
                }else {
                    break;
                }
            }
            if (i + preArr[i] > R){
              //更新R,mid
                R = i + preArr[i] - 1;
                mid = i;
            }
            max = Math.max(max, preArr[i]);
        }
        //原字符串是扩充串回文半径 - 1
        return max - 1;
    }
    public static char[] manacherString(String str) {
        //添加特殊字符,使得回文字符的长度全部变成偶数
        char[] strArr = str.toCharArray();
        char[] chs = new char[str.length() * 2 + 1];
        for (int i = 0, j = 0; i < chs.length; i++){
            //偶数位置加入特殊字符
            chs[i] = (i & 1) == 0 ? '#' : strArr[j++];
        }
        return chs;
    }


目录
相关文章
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
92 4
|
3天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
15 6
|
26天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
59 1
|
2月前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
2月前
|
算法
PID算法原理分析
【10月更文挑战第12天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
3月前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
70 4
|
3月前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
65 1
|
2月前
|
算法
PID算法原理分析及优化
【10月更文挑战第6天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
3月前
|
机器学习/深度学习 存储 人工智能
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
使用Python作为开发语言,基于文本数据集(一个积极的xls文本格式和一个消极的xls文本格式文件),使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
58 0
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
|
2月前
|
算法 安全 Go
Python与Go语言中的哈希算法实现及对比分析
Python与Go语言中的哈希算法实现及对比分析
50 0