算法系列--动态规划--回文子串系列(上)

简介: 算法系列--动态规划--回文子串系列

💕"我们好像在池塘的水底,从一个月亮走向另一个月亮。。"💕

作者:Mylvzi

文章主要内容:算法系列–动态规划–回文子串系列

今天为大家带来的是算法系列--动态规划--回文子串系列(1),本文重点掌握如何快速判断一个字符串是否是回文子串

一.回文子串(引入)

先来看力扣上这道题目:回文子串

1.利用动态规划的思想解决这道题目(重点)

回文子串其实是子数组的一种,只不过这里将数字换为字符而已,所以回文子串的问题也可以使用动态规划的思想解决,但是这个状态表示相较于常规的字符数组有些不同,在回文子串问题中,我们需要创建一个二维的dp表去存储所有子串是否是回文子串的信息,也就是说这个dp表是一个`boolean``类型的数组

首先如何得到所有的子字符串呢?很简单,两层for循环就能解决这个问题

注意:单独一个字符也算子字符串!!!

明确上述前置知识之后,下面讲解如何利用动态规划的思想解决回文子串问题

  1. 状态表示:dp[i][j]表示以i下标为起始位置,j下标为结束位置的子字符串是否是回文子串的信息
  2. 状态转移方程:

  3. 初始化:无需初始化,越界的条件被特别判断了,不会出现越界的情况

  4. 填表顺序:从下往上填

  5. 返回值:dp[i][j]为true的数目

代码实现:

class Solution {
    public int countSubstrings(String s) {
        char[] ss = s.toCharArray();// 转化为字符数组
        int ret = 0;// 记录dp表中true的数目
        int n = s.length();
        boolean[][] dp = new boolean[n][n];
        for(int i = n - 1; i >= 0; i--) {// 从后往前遍历字符串
            for(int j = i; j < n; j++) {
                if(ss[i] == ss[j])// 只用判断相等的情况,不相等就是默认值false;
                    dp[i][j] = i + 1 < j ? dp[i + 1][j - 1] : true;
                ret += dp[i][j] == true ? 1 : 0;
            }
        }
        return ret;
    }
}

如果使用动态规划,时间复杂度,空间复杂度均为为O(N^2)回文子串问题使用动态规划虽然不是最优解,但是可以实现一个非常重要的功能将所有子串是否是回文子串的信息,存储到dp表之中,最优解还有中心拓展算法马拉车算法

中心拓展算法的实现:

链接:https://leetcode.cn/problems/palindromic-substrings/solutions/379987/hui-wen-zi-chuan-by-leetcode-solution/

来源:力扣(LeetCode)

class Solution {
    public int countSubstrings(String s) {
        int n = s.length(), ans = 0;
        for (int i = 0; i < 2 * n - 1; ++i) {
            int l = i / 2, r = i / 2 + i % 2;
            while (l >= 0 && r < n && s.charAt(l) == s.charAt(r)) {
                --l;
                ++r;
                ++ans;
            }
        }
        return ans;
    }
}

2.最长回文子串

链接:

https://leetcode.cn/problems/longest-palindromic-substring/

分析:

还是利用和上道题一样的动态规划思想,在本题中需要得到的是最长的回文子串,在回文子串的动态规划里,我们已经保存了所有的回文子串的信息,只要判断出来时回文子串,就更新一下长度即可

可以使用一个数组ret来记录字符串的起始结束位置

代码:

class Solution {
    public String longestPalindrome(String s) {
        char[] ss = s.toCharArray();
        int n = s.length();
        boolean[][] dp = new boolean[n][n];// 创建dp表
        int[] ret = new int[2];// 记录字符串的起始位置和结束位置
        for(int i = n - 1; i >=0; i --){
            for(int j = i; j < n; j++) {
                if(ss[i] == ss[j])
                    dp[i][j] = i + 1 < j ? dp[i + 1][j - 1] : true;
                if(dp[i][j] == true) {
                    if(j - i > ret[1] - ret[0]) {
                        ret[0] = i;ret[1] = j;
                    }
                }
            }
        }
        return s.substring(ret[0],ret[1] + 1);// 注意是"左闭右开"
    }
}

算法系列--动态规划--回文子串系列(下)https://developer.aliyun.com/article/1480806?spm=a2c6h.13148508.setting.26.361f4f0eyTL4lb


目录
相关文章
|
1月前
|
存储 算法
深入了解动态规划算法
深入了解动态规划算法
58 1
|
1月前
|
算法 测试技术 C++
【动态规划算法】蓝桥杯填充问题(C/C++)
【动态规划算法】蓝桥杯填充问题(C/C++)
|
14天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
30 2
|
1月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
68 2
动态规划算法学习三:0-1背包问题
|
1月前
|
算法
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
这篇文章介绍了动态规划算法中解决最大上升子序列问题(LIS)的方法,包括问题的描述、动态规划的步骤、状态表示、递推方程、计算最优值以及优化方法,如非动态规划的二分法。
66 0
动态规划算法学习四:最大上升子序列问题(LIS:Longest Increasing Subsequence)
|
1月前
|
算法
动态规划算法学习二:最长公共子序列
这篇文章介绍了如何使用动态规划算法解决最长公共子序列(LCS)问题,包括问题描述、最优子结构性质、状态表示、状态递归方程、计算最优值的方法,以及具体的代码实现。
127 0
动态规划算法学习二:最长公共子序列
|
1月前
|
存储 人工智能 算法
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
【算法——动态规划】蓝桥ALGO-1007 印章(C/C++)
|
1月前
|
存储 算法
动态规划算法学习一:DP的重要知识点、矩阵连乘算法
这篇文章是关于动态规划算法中矩阵连乘问题的详解,包括问题描述、最优子结构、重叠子问题、递归方法、备忘录方法和动态规划算法设计的步骤。
101 0
|
1月前
|
算法 C++
【算法解题思想】动态规划+深度优先搜索(C/C++)
【算法解题思想】动态规划+深度优先搜索(C/C++)
|
3月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法