描述
输入描述:
输入一个字符串(字符串的长度不超过2500)
输出描述:
返回有效密码串的最大长度
示例
输入:ABBA
输出:4
知识点:字符串,指针,动态规划
难度:⭐⭐⭐
题解
方法一:中心扩散法
图解:
解题思路:
最长回文子串的中心扩散法,遍历每个字符作为中间位,进行左右比较
算法流程:
- 从右到左,对每个字符进行遍历处理,并且每个字符要处理两次,因为回文子串有两种情况:
- ABA型:只需要从当前字符向两边扩散,比较左右字符是否相等,找出以当前字符为中心的最长回文子串长度
- ABBA型:只需要从当前字符和下一个字符向两边扩散,比较左右字符是否相等,找出以当前字符和下一个字符为中心的最长回文子串长度
- 最后比对两种类型的长度,取自较长的长度
Java 版本代码如下:
import java.util.Scanner;
public class Main {
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
String s = sc.nextLine();
System.out.println(solution(s));
}
private static int solution(String s) {
int res = 0;
for(int i = 0; i < s.length(); i++) {
// ABA型
int len1 = longest(s, i, i);
// ABBA型
int len2 = longest(s, i, i + 1);
res = Math.max(res, len1 > len2 ? len1 : len2);
}
return res;
}
private static int longest(String s, int l, int r) {
while(l >= 0 && r < s.length() && s.charAt(l) == s.charAt(r)) {
l--;
r++;
}
return r - l - 1;
}
}
复杂度分析:
时间复杂度:,需要遍历每个字符,复杂度为 O(N),对于每个字符的处理也需要 O(N) 的复杂度,因此总的时间复杂度为 O(N^2)
空间复杂度:,只用到左右双指针,无需额外空间
方法二:动态规划
解题思路:
对于最值问题,往往可以采用动态规划思想降低时间复杂度和状态压缩,采用空间换时间的思想
算法流程:
-
确定状态:对比的两个字符索引起始和终止索引位置
-
定义 dp 数组:字符串s的 i 到 j 索引位置的字符组成的子串是否为回文子串
-
状态转移: 如果左右两字符相等, 同时[l+1...r-1]范围内的字符是回文子串, 则 [l...r] 也是回文子串
-
状态转移的同时,不断更新对比的子串长度,最终确定最长回文子串的长度
Java 版本代码如下:
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
public class Main {
public static void main(String[] args) throws IOException {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
String s = "";
while ((s = br.readLine()) != null) {
System.out.println(validLen(s));
}
br.close();
}
public static int validLen(String s) {
int len = s.length();
// 状态:对比的两个字符索引起始和终止索引位置
// 定义: 字符串s的i到j字符组成的子串是否为回文子串
boolean[][] dp = new boolean[len][len];
int res = 0;
// base case
for(int i = 0; i < len - 1; i++) {
dp[i][i] = true;
}
for(int r = 1; r < len; r++) {
for(int l = 0; l < r; l++) {
// 状态转移:如果左右两字符相等,同时[l+1...r-1]范围内的字符是回文子串
// 则 [l...r] 也是回文子串
if(s.charAt(l) == s.charAt(r) && (r-l <= 2 || dp[l+1][r-1])) {
dp[l][r] = true;
// 不断更新最大长度
res = Math.max(res, r - l + 1);
}
}
}
return res;
}
}
复杂度分析:
时间复杂度:, 状态转移时,子问题个数为 N ^ 2, 子问题处理时间复杂度为 O(1),因此总的时间复杂度为 O(N^2)
空间复杂度:,定义了一个二维数组,用户保存状态