2024-05-04
Go & Python & 算法
00

目录

1 LeetCode647 回文子串
2 LeetCode516 最长回文子序列

今日任务:

  1. LeetCode647 回文子串
  2. LeetCode516 最长回文子序列
  3. 动态规划总结

资料来源:

  1. 代码随想录 | LeetCode647 回文子串
  2. 代码随想录 | LeetCode516 最长回文子序列
  3. 代码随想录 | 动态规划总结

1 LeetCode647 回文子串

题目

给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。

回文字符串 是正着读和倒过来读一样的字符串。

子字符串 是字符串中的由连续字符组成的一个序列。

具有不同开始位置或结束位置的子串,即使是由相同的字符组成,也会被视作不同的子串。

示例 1:

输入:s = "abc" 输出:3 解释:三个回文子串: "a", "b", "c"

示例 2:

输入:s = "aaa" 输出:6 解释:6个回文子串: "a", "a", "a", "aa", "aa", "aaa"

提示:

  • 1 <= s.length <= 1000
  • s 由小写英文字母组成

这题的思路和之前都非常不同。之前都是看着题目先找能通过递推关系求的值,这次如果按照题目来说,直接确定dp数组求以dp[i][j]为结尾的回文子序列的话,会发现它其实找不到递推关系,或者说它依赖于dp[i + 1][j + 1]dp[i - 1][j - 1]就已经没法通过动规去求了,没法循环。

所以这类回文问题要通过dp数组求的是,对于dp[i][j]来说,它所储存的是从s[i]s[j]这段连续字符串是否是回文串。它所依赖的就是dp[i + 1][j - 1],也就是在从s[i + 1]s[j - 1]这段连续字符串的基础上,再在首尾两个位置各加一个字符,这可比之前那个概念依赖要好循环多了。

递推过程上,先判断新加的字符是否相同,不相同直接就不是回文串了;如果相同,那么它是否是回文串就依赖于dp[i + 1][j - 1]了。另外还有两种情况:i==j,即字符串只有一个字符,那么它必定是回文串;j - i = 1,即字符串只有两个字符,那么如果s[i] == s[j],它就是一个回文串了。记得过程中对是回文串的进行计数即可。

go
func countSubstrings(s string) int { dpArray := make([][]bool, len(s)) for i := range dpArray { dpArray[i] = make([]bool, len(s)) } result := 0 for i := len(s) - 1; i >= 0; i-- { for j := i; j < len(s); j++ { // 注意dp定义 j是不能小于i的 if s[i] == s[j] { if i == j { dpArray[i][j] = true result += 1 continue } if math.Abs(float64(i - j)) == 1 { dpArray[i][j] = true result += 1 continue } dpArray[i][j] = dpArray[i + 1][j - 1] if dpArray[i][j] == true { result += 1 } } } } return result }

2 LeetCode516 最长回文子序列

题目

给你一个字符串 s ,找出其中最长的回文子序列,并返回该序列的长度。

子序列定义为:不改变剩余字符顺序的情况下,删除某些字符或者不删除任何字符形成的一个序列。

示例 1:

输入:s = "bbbab" 输出:4 解释:一个可能的最长回文子序列为 "bbbb" 。

示例 2:

输入:s = "cbbd" 输出:2 解释:一个可能的最长回文子序列为 "bb" 。

提示:

  • 1 <= s.length <= 1000
  • s 仅由小写英文字母组成

有了上一道题的经验之后,这题就相对好想一些。思路大体上是一致的,定义都是关于从s[i]s[j]这段连续字符串的,这次存储的是这段连续字符串的最长回文串的长度。如果首尾两个地方相同,那么直接在dpArray[i + 1][j - 1]的基础上加2即可,反正可以删除字符,不需要考虑连续问题;如果首尾两个地方不同,那么就该分开考虑要删除谁的问题。删去s[j],对应的就是dpArray[i][j - 1];删去s[i],对应的就是dpArray[i + 1][j]

go
func longestPalindromeSubseq(s string) int { dpArray := make([][]int, len(s)) for i := range dpArray { dpArray[i] = make([]int, len(s)) dpArray[i][i] = 1 } for i := len(s) - 1; i >= 0; i-- { for j := i + 1; j < len(s); j++ { if s[i] == s[j] { dpArray[i][j] = dpArray[i + 1][j - 1] + 2 } else { dpArray[i][j] = max(dpArray[i + 1][j], dpArray[i][j - 1]) } } } return dpArray[0][len(s) - 1] }

最后贴个dp数组的图帮助理解:

image.png

本文作者:御坂19327号

本文链接:

版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!