Leetcode|Longest Palindromic Substring(最長迴文的幾種方法)(Manacher演算法)
Given a string S, find the longest palindromic substring in S. You may assume that the maximum length of S is 1000, and there exists one unique longest palindromic substring.
解法1:列舉法 O(n^2)時間複雜度 常數空間複雜度
列舉中心位置,然後再在該位置上用擴充套件法,記錄並更新得到的最長的迴文長度。(注意奇數長度和偶數長度)
解法2:動態規劃 O(n^2)時間複雜度,O(n^2)空間複雜度
思路:dp[i][j]表示字串s.substr(i,j-i+1) 是否為迴文,是就表示其迴文長度,不是就是0;
以長度為變化,step為i,j的差,狀態方程:dp[i][i+step]=s[i]==s[i+step]&&dp[i+1][i+step-1]!=0?2+dp[i+1][i+step-1]:0;
string longestPalindrome(string s) { int n=s.size(); int dp[n][n]; memset(dp,0,sizeof(dp)); int longest=0; int start=0,end=0; for(int step=0;step<n;step++){ for(int i=0;i+step<n;i++){ if(step==0) dp[i][i+step]=1;//初始化 else if(step==1) dp[i][i+step]=s[i]==s[i+step]?2:0;//初始化 else dp[i][i+step]=s[i]==s[i+step]&&dp[i+1][i+step-1]!=0?2+dp[i+1][i+step-1]:0; if(dp[i][i+step]>longest){ start=i,end=i+step; longest=dp[i][i+step]; } } } return s.substr(start,end-start+1); }
解法3: Manacher演算法,線性時間複雜度O(n)[說明方法參考https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/01.05.md]
優點:利用之前讀取的資訊,所以快速很多。類似KMP的求next陣列,在這裡求一個數組p,p[i]表示以s[i]為中心的最大回文長度加1.
為了免除奇數和偶數的麻煩,首先需要變化字串,插入'#';
ccd變為#c#c#d#
p陣列為1232121
接下來怎麼計算P[i]呢?Manacher演算法增加兩個輔助變數id和mx,其中id表示最大回文子串中心的位置,mx則為id+P[id],也就是最大回文子串的邊界。得到一個很重要的結論:
- 如果mx > i,那麼P[i] >= Min(P[2 * id - i], mx - i)
下面,令j = 2*id - i,也就是說j是i關於id的對稱點。
當 mx - i > P[j] 的時候,以S[j]為中心的迴文子串包含在以S[id]為中心的迴文子串中,由於i和j對稱,以S[i]為中心的迴文子串必然包含在以S[id]為中心的迴文子串中,所以必有P[i] = P[j];
當 P[j] >= mx - i 的時候,以S[j]為中心的迴文子串不一定完全包含於以S[id]為中心的迴文子串中,但是基於對稱性可知,下圖中兩個綠框所包圍的部分是相同的,也就是說以S[i]為中心的迴文子串,其向右至少會擴張到mx的位置,也就是說 P[i] >= mx - i。至於mx之後的部分是否對稱,再具體匹配。
此外,對於 mx <= i 的情況,因為無法對 P[i]做更多的假設,只能讓P[i] = 1,然後再去匹配。
string longestPalindrome(string s){
int n=s.size();
int p[2*n+1];
memset(p,0,sizeof(p));
char *ss=new char[2*n+2];
for(int i=0;i<2*n+1;i++){
if(i&0x01) ss[i]=s[(i-1)/2];
else ss[i]='#';
}
ss[2*n+1]='\0';
int mx=0,id=0;
int maxIndex=0,max1=0;
for(int i=0;ss[i]!='\0';i++){
p[i]=mx>i?min(p[2*id-i],mx-i):1;
while(i-p[i]>=0&&ss[i+p[i]]==ss[i-p[i]]) p[i]++;
if(i+p[i]>mx){
mx=i+p[i];
id=i;//id為mx最靠右的中心位置
}
if(p[i]>max1){
max1=p[i];
maxIndex=i;//maxIndex表示p[i]最大的位置
}
}
//找到p[i]最大的那個
id=maxIndex;
if(id&0x01) return s.substr((id-1)/2-(p[id]-1)/2,p[id]-1);
else return s.substr(id/2-(p[id]-1)/2,p[id]-1);
}