算法学习|动态规划 LeetCode 647. 回文子串、516.最长回文子序列

在这里插入图片描述
(希望自己能总结出做过的动态规划题!要开始回顾之前刷过的题了)

一、回文子串

给定一个字符串,你的任务是计算这个字符串中有多少个回文子串。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。
回文:正读和反读都相同的字符序列,两边对称

思路

1.dp[i][j] :[i,j]范围内的子串是否为回文子串
2.递推公式:
如果s[i] ==s[j],有以下三种情况:
情况一:下标i 与 j相同,同一个字符例如a,当然是回文子串
情况二:下标i 与 j相差为1,例如aa,也是回文子串
情况三:下标i 与 j相差大于1的时候,例如cabac,此时s[i]与s[j]已经相同了,我们看i到j区间是不是回文子串就看aba是不是回文就可以了,那么aba的区间就是 i+1 与 j-1区间,这个区间是不是回文就看dp[i + 1][j - 1]是否为true。
如果s[i]与s[j]不相等,return false
3.初始化:dp[i][j] = false
4.遍历顺序:从下往上遍历(dp[i][j]依赖于dp[i + 1][j - 1]),从左往右遍历

实现代码

class Solution {
    
    
public:
    int countSubstrings(string s) {
    
    
        vector<vector<bool>> dp(s.size(), vector<bool>(s.size(), false));
        int result = 0;
        for(int i = s.size() - 1; i >= 0; i--) {
    
     //从底向上遍历
            for(int j = i; j < s.size(); j++) {
    
    
                if(s[i] == s[j]) {
    
    
                    if(j - i <= 1) {
    
    
                        result++;
                        dp[i][j] = true;
                    } else if (dp[i + 1][j - 1]) {
    
    
                        result++;
                        dp[i][j] = true;
                    } 
                }
            }
        }
        return result;
    }
};

二、最长回文子序列

给定一个字符串 s ,找到其中最长的回文子序列,并返回该序列的长度。
回文子串是要连续的,回文子序列可以不连续!!!
示例 1: 输入: “bbbab” 输出: 4 一个可能的最长回文子序列为 “bbbb”。
示例 2: 输入:“cbbd” 输出: 2 一个可能的最长回文子序列为 “bb”。

思路

1.dp[i][j] : [i,j]范围内的回文子序列的长度
2.递推公式:
if(s[i] == s[j]) dp[i][j] = dp[i + 1][j - 1] + 2
else dp[i][j] = max(dp[i][j - 1], dp[i - 1][j]) (考虑只用 i 或 j)
3.初始化:dp[i][i] = 1(当i和j相等) 其他下标初始化为0
4.遍历顺序:从下往上遍历,从左往右遍历
(图源:代码随想录)
图源:代码随想录

实现代码

class Solution {
    
    
public:
    int longestPalindromeSubseq(string s) {
    
    
        vector<vector<int>> dp(s.size(), vector<int>(s.size(), 0));
        for(int i = 0; i < s.size(); i++) dp[i][i] = 1;
        for(int i = s.size() - 1; i >= 0; i--) {
    
    
            for(int j = i + 1 ; j < s.size(); j++) {
    
    
                if(s[i] == s[j]) {
    
    
                    dp[i][j] = dp[i + 1][j - 1] + 2;
                } else {
    
    
                    dp[i][j] = max(dp[i][j - 1], dp[i + 1][j]);
                }
            }
        }
        return dp[0][s.size() - 1];
    }
};

猜你喜欢

转载自blog.csdn.net/li26324949/article/details/130108693