LeetCode 132：分割回文串 II

LeetCode 132：分割回文串 II

问题本质与核心挑战

给定字符串 s，需将其分割为若干回文子串，求最少分割次数。核心挑战：

• 直接枚举所有分割方式（指数级复杂度）不可行；
• 需结合 动态规划 优化分割次数计算，并通过 回文预处理 加速判断。

核心思路：动态规划 + 回文预处理

1. 回文预处理（减少重复判断）

用二维数组 isPal[i][j] 记录 子串 s[i..j] 是否为回文，预处理后可 O(1) 查询：

• 单个字符：isPal[i][i] = true；
• 两个字符：isPal[i][i+1] = (s[i] == s[i+1])；
• 长度 ≥3：isPal[i][j] = (s[i] == s[j] && isPal[i+1][j-1])（依赖更短的子串结果）。

2. 动态规划定义与转移

• 状态定义：dp[i] 表示 前 i 个字符（s[0..i-1]） 的最少分割次数。
• 初始条件：
  • dp[0] = -1（空字符串的分割次数为 -1，方便后续计算）；
  • dp[i] = i-1（最坏情况：每个字符单独分割，如 "abc" 需要 2 次分割）。
• 状态转移：
  对于每个 j（前 j 个字符），遍历所有可能的分割点 i（0 ≤ i < j）：
  • 若 s[i..j-1] 是回文（isPal[i][j-1] = true），则 dp[j] = min(dp[j], dp[i] + 1)。

算法步骤详解（以示例 s = "aab" 为例）

步骤 1：预处理回文子串（isPal 数组）

子串范围 [i,j]	长度	判断逻辑	isPal[i][j]
[0,0]	1	单个字符	true
[1,1]	1	单个字符	true
[2,2]	1	单个字符	true
[0,1]	2	s[0]='a' == s[1]='a'	true
[1,2]	2	s[1]='a' ≠ s[2]='b'	false
[0,2]	3	s[0]≠s[2]（直接不满足）	false

步骤 2：初始化动态规划数组（dp）

• dp[0] = -1（空字符串的分割次数）；
• dp[1] = 0（前1个字符 "a"，无需分割）；
• dp[2] = 1（初始值，后续会被更新）；
• dp[3] = 2（初始值，后续会被更新）。

步骤 3：状态转移计算

遍历 j（前 j 个字符）和 i（分割点）：

j（前j字符）	i（分割点）	子串 s[i..j-1]	是否回文（isPal[i][j-1]）	dp[i] + 1	dp[j] 更新后的值
j=1	i=0	"a"	true	-1 + 1 = 0	min(0, 0) = 0
j=2	i=0	"aa"	true	-1 + 1 = 0	min(1, 0) = 0
j=2	i=1	"a"	true	0 + 1 = 1	min(0, 1) = 0
j=3	i=0	"aab"	false	-	不更新
j=3	i=1	"ab"	false	-	不更新
j=3	i=2	"b"	true	0 + 1 = 1	min(2, 1) = 1

完整代码（Java）

class Solution {public int minCut(String s) {int n = s.length();if (n == 0) return 0;// 步骤1：预处理回文子串boolean[][] isPal = new boolean[n][n];// 处理长度为1的回文for (int i = 0; i < n; i++) {isPal[i][i] = true;}// 处理长度为2的回文for (int i = 0; i < n - 1; i++) {isPal[i][i + 1] = (s.charAt(i) == s.charAt(i + 1));}// 处理长度≥3的回文for (int len = 3; len <= n; len++) {for (int i = 0; i + len <= n; i++) {int j = i + len - 1;isPal[i][j] = (s.charAt(i) == s.charAt(j) && isPal[i + 1][j - 1]);}}// 步骤2：动态规划int[] dp = new int[n + 1];// 初始条件：最坏情况，每个字符单独分割for (int i = 0; i <= n; i++) {dp[i] = i - 1;}// 状态转移：遍历前j个字符，尝试所有分割点ifor (int j = 1; j <= n; j++) {for (int i = 0; i < j; i++) {if (isPal[i][j - 1]) { // s[i..j-1]是回文dp[j] = Math.min(dp[j], dp[i] + 1);}}}return dp[n];}
}

关键逻辑解析

1. 回文预处理：通过动态规划预处理所有子串的回文性，避免每次判断回文时重复计算，时间复杂度 O(n²)。
2. 动态规划状态：dp[j] 表示前 j 个字符的最少分割次数，利用已计算的 dp[i] 快速推导，时间复杂度 O(n²)。
3. 初始条件优化：dp[0] = -1 是为了让 dp[1] 的计算更自然（dp[0] + 1 = 0，对应单个字符无需分割）。

该方法通过 预处理+动态规划 高效解决问题，时间复杂度为 O(n²)，可处理题目中 n ≤ 2000 的规模。核心是将“回文判断”和“分割次数计算”解耦，通过预处理降低重复判断的开销，再利用动态规划的状态转移快速推导最优解。