05.最长回文子串
05.最长回文子串
问题引入:
给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。
示例 1: 输入: "babad" 输出: "bab" 注意: "aba" 也是一个有效答案。
示例 2: 输入: "cbbd" 输出: "bb"
1. 方法一:暴力法
思路:列举所有的子串,找到最长的回文串
时间复杂度:O(n^3),两次for循环,判断是否回文还有一次for循环
空间复杂度:O(1)
public String longestPalindrome1(String s) {
String ans = "";
for (int i = 0; i < s.length(); i++) {
for (int j = i + 1; j <= s.length(); j++) {
String test = s.substring(i, j);
if (isPalindrome(test) && test.length() > ans.length()) {
ans = test;
}
}
}
return ans;
}
public boolean isPalindrome(String test) {
for (int i = 0; i < test.length() / 2; i++) {
if (test.charAt(i) != test.charAt(test.length() - 1 - i)) {
return false;
}
}
return true;
}
2. 方法二:中心扩展算法
思路:先找到中心点,然后分别向左右两边检测,直到遍历完所有的中心点,找到最大的回文字符字串 中心点共有2n-1个,其中有两种情况, 一种子串是奇数个字符,中心点为中间的数, 另一种是子串有偶数个字符,中间点就是中间两个数间的间隙 所以,n个数,n-1个间隙,总共2n-1个中心点
- 时间复杂度:O(n^2)
- 空间复杂度:O(1)
public String longestPalindrome3(String s) {
if (s == null || s.length() == 0)
return "";
int start = 0, end = 0;
for (int i = 0; i < s.length(); i++) {
int len1 = nowLongest(s, i, i);
int len2 = nowLongest(s, i, i + 1);
int len = Math.max(len1, len2);
if (len > end - start) {
start = i - (len - 1) / 2;
end = i + len / 2;
}
}
return s.substring(start, end + 1);
}
public int nowLongest(String s, int left, int right) {
while (left >= 0 && right < s.length() && s.charAt(right) == s.charAt(left)) {
left--;
right++;
}
return right - left - 1;
}
3. 方法三:最长公共子串
算法思路:我们可以根据回文串的特点,左右对称的特点,我们可以再定义一个字符串存放原字符串的倒置字符串reverse,然后比较两个字符串找到最长公共子串,该公共子串就是该字符串的最长回文串。
但是,会有特殊情况,比如abc123cba,他的倒置字符串是abc123cba,最长公共子串为abc(或cba),
我们会发现并不是正确答案,所以我们的算法还需要加个判断条件, 我们需要判断倒置前的下标是否和倒置后的下标匹配,即是否是同一位置的元素。
找到一个字符倒置前的下标很简单,比如该字符下标为j,那么before = length - 1 - j;
比如我们用i指向原字符串子串的末尾字符,用j指向倒置字符串子串的末尾字符, j倒置前的位置下标before_j = length - 1 - j;
如果before_ j + maxson.len -1 == i,那么说明它就是我们要找的回文串。
分析完思路,我们再来看看最长公共子串如何求解? 这个有很多种方法,我们就有动态规划法解决。
思路:
- 申请一个二维的数组arr[len][len],把每个元素初始化为0。
- 写个双重循环遍历二维数组,其中i表示原字符串s的下标,j表示倒置字符串reverse的下标.
- 然后判断对应的字符是否相等,及判断s.charAt(i)==reverse.charAt(j) 相等的话, arr[i][j] =arr[i-1][j-1] + 1。
- 其中i=0或j=0的情况单独分析,如果字符相等的话直接赋值arr[i][j]=1.
-
最后arr[i][j]里面就是保存着公共子串的长度,该公共子串就是以i结尾的,我们用
就可以找到子串开始的下标,
- 再截取原字符串就可以得到最长公共子序列。
时间复杂度:O(n^2) 两层for循环
空间复杂度:O(n^2) 一个二维数组
public String longestPalindrome4(String s) {
if (s.equals(""))
return "";
String reverse = new StringBuffer(s).reverse().toString();
int len = s.length();
int[][] arr = new int[len][len]; //arr[i][j] 存放着公共子串的长度
int maxlen = 0, maxEnd = 0;
for (int i = 0; i < len; i++) {
for (int j = 0; j < len; j++) {
if(s.charAt(i) == reverse.charAt(j)) {
if( i == 0 || j == 0) {
arr[i][j] = 1;
}
else {
arr[i][j] = arr[i-1][j-1]+1;
}
}
if(arr[i][j] > maxlen) {
//j是当前倒置字符串的子串的末尾下标,i是当前原子串的末尾下标,before是j在原字符串对应下标
int before = len - 1 - j;
//判断字符下标是否对应
if(before + arr[i][j] - 1 == i) {
maxlen = arr[i][j];
maxEnd = i; //i为当前子串的末尾字符
}
}
}
}
//substring(i,j)截取从下标i到j-1的子串
return s.substring(maxEnd - maxlen + 1,maxEnd +1);
}
4. 方法四:优化后的最长公共子串
特点:可以将空间复杂度降至O(n)
思路:
我们发现上述的动态规划法,用二维数组,其实每次都是一列一列更新,
* i = 1,j=0,1,2,3……
* i = 2,j=0,1,2,3……
* i = 3,j=0,1,2,3……
* ……………
我们每次更新数据,用到的公式arr[i][j] = arr[i-1][j-1]+1;
发现,其实只需要前一列的信息,更新第三列的时候,只用到第二列的数据,第一列就没有用了,
所以我们用一个一维数组就可以了,arr[j]代表当前列的元素的最长公共子串长度
但是更新每一列的时候,我们会用到这一列上一个元素的值,比如arr[i] = arr[i-1]+1
所以,在遍历j的时候不能从0到len-1,而是从len-1到0遍历。
public String longestPalindrome5(String s) {
if (s.equals(""))
return "";
String reverse = new StringBuffer(s).reverse().toString();
int length = s.length();
int[] arr = new int[length];
int maxLen = 0;
int maxEnd = 0;
for (int i = 0; i < length; i++)
/************** 修改的地方 ***************************/
for (int j = length - 1; j >= 0; j--) {
/**************************************************/
if (s.charAt(i) == reverse.charAt(j)) {
if (i == 0 || j == 0) {
arr[j] = 1;
} else {
arr[j] = arr[j - 1] + 1;
}
/************** 修改的地方 ***************************/
// 之前二维数组,每次用的是不同的列,所以不用置 0 。
} else {
arr[j] = 0;
}
/**************************************************/
if (arr[j] > maxLen) {
int beforeRev = length - 1 - j;
if (beforeRev + arr[j] - 1 == i) {
maxLen = arr[j];
maxEnd = i;
}
}
}
return s.substring(maxEnd - maxLen + 1, maxEnd + 1);
}
共有 0 条评论