动态规划:最长回文子串和子序列
Posted 我家大宝最可爱
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了动态规划:最长回文子串和子序列相关的知识,希望对你有一定的参考价值。
1. 回文子串
回文串就是正着读和反着读都一样的字符串,例如aba,aabb等,给定一个字符串,求最长回文子串。注意子串是指连续的
1.1左右扩展
左右扩展的思想很有意思,如果一个问题用到了左右扩展的想法,那么久直接定以两个范围l,r
,这样就可以避免奇偶问题了
一种非常直接的想法就是从某个字符开始,向两边开始搜索,然后匹配字符是否相等
<—向左搜索 | 某个字符 | 向右搜索—> | |
---|---|---|---|
字符串 | a | b | a |
搜索边界 | l | r |
很容易想到有奇偶两种情况,当为奇数(‘aba’)时l=r=i
,然后分别向两边移动,当为偶数(‘aabb’)时l=i,r=i+1
def helper(s,l,r):
while l >= 0 and r < len(s) and s[l] == s[r]:
l -= 1
r += 1
return s[l+1:r]
def longs(s):
res = ''
for i in range(len(s)):
tmp = helper(s,i,i) # 奇数
if len(tmp) > len(res):res = tmp
tmp = helper(s,i,i+1) # 偶数
if len(tmp) > len(res):res = tmp
print(len(res))
s = input()
n = len(s)
longs(s)
1.2 动态规划
动态规划的想法也是非常简单的,假如i+1~j-1
之间的字符串时回文字符串,那么如果s[i]==s[j]
则i~j
之间的字符串也是回文子串,如果不相等,那么则不是回文子串,由此可以列出状态转移方程dp[i][j]=dp[i+1][j-1] and s[i]==s[j]
。然后我们考虑初始条件,如果i==j
则dp[i][i]=True
,一个字符肯定时回文串,两个字符和三个字符时则为dp[i][j] = (s[i] == s[j])
,只需要考虑两边的字符即可。
可以看到,计算dp[i][j]
用到了未来的状态dp[i+1][j]
,因此i需要反向迭代,即大到小。
原始字符串 | a | b | c | a | c | b | a |
---|---|---|---|---|---|---|---|
子序列1 | a | b | b | a |
class Solution:
def longestPalindrome(self, s: str) -> str:
n = len(s)
dp = [[False for j in range(n)] for i in range(n)]
max_len = 0
max_str = ''
for i in range(n-1,-1,-1):
for j in range(i,n):
if s[i] == s[j]:
if j-i<=2:
dp[i][j] = True
else:
dp[i][j] = dp[i+1][j-1]
if dp[i][j] and j - i + 1 > max_len:
max_len = j - i + 1
max_str = s[i:j+1]
return max_str
最长回文子序列
子序列跟子串的一个最主要的区别在于是否连需,字符时不需要连需的,举个例子
原始字符串 | a | b | c | a | b | c | a |
---|---|---|---|---|---|---|---|
子序列1 | a | b | b | a | |||
子序列2 | a | c | c | a | |||
子序列3 | a | a | a | ||||
子序列4 | a | c | a | c | a | ||
子序列5 | a | b | a | b | a | ||
子序列n | … |
可以看到回文子序列时完全不需要连续的,那么现在的问题就是如何求解最长子序列呢?假如我们求出了i+1~j-1
之间的最长子序列,那么如何求解i~j
之间的最长子序列呢?
i | i+1 | j-1 | j | |||||
---|---|---|---|---|---|---|---|---|
s[i] | a | b | c | a | b | c | a | s[j] |
我们假设dp[i+1][j-1]是字符串i+1~j-1的最长回文子序列的长度,
- 当
s[i]==s[j]
时,有dp[i][j] = dp[i+1][j-1]+2
i | i+1 | j-1 | j | |||||
---|---|---|---|---|---|---|---|---|
s[i] | a | b | c | a | b | c | a | s[j] |
- 当
s[i]!=s[j]
时,这个时候就有意思了,也会分成两种情况,第一种时求i+1~j
之间的最长回文序列,第二种就是求i~j-1
之间的最长回文子序列
i | i+1 | j-1 | j | ||||||
---|---|---|---|---|---|---|---|---|---|
原始 | s[i] | a | b | c | a | b | c | a | s[j] |
i+1~j | a | b | c | a | b | c | a | s[j] | |
i~j-1 | s[i] | a | b | c | a | b | c | a |
此时有dp[i][j]=max(dp[i][j-1],dp[i+1][j])
状态转移方程我们已经得到了,下一步就是看看base,可以知道dp[i][i]=1
,因为我们时从i~j
,所以有j>i
,如果j<i
,那么就不可能得到回文序列,因此有dp[i][j]=0 if j < i
现在就剩一个边界问题了,求dp[i][j]
需要用到dp[i+1][j]
,即求解i位置的时候用到了未来的i+1位置,为了保证可以正常计算,我们需要将i按照递减的方式来更新,j则用到了j和j-1,所以使用递增计算即可
def longestPalindromeSubseq(self, s: str) -> int:
n = len(s)
dp = [[1 if i==j else 0 for i in range(n)] for j in range(n)]
for i in range(n-1,-1,-1):
for j in range(i+1,n):
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][-1]
开发者涨薪指南
48位大咖的思考法则、工作方式、逻辑体系
以上是关于动态规划:最长回文子串和子序列的主要内容,如果未能解决你的问题,请参考以下文章