怎么推广品牌seo自动优化工具

LeetCode 第132题：分割回文串 II

题目描述

给你一个字符串 s，请你将 s 分割成一些子串，使每个子串都是回文。

返回符合要求的 最少分割次数 。

难度

困难

题目链接

点击在LeetCode中查看题目

示例

示例 1：

输入：s = "aab"
输出：1
解释：只需一次分割就可将 s 分割成 ["aa","b"] 这样两个回文子串。

示例 2：

输入：s = "a"
输出：0

示例 3：

输入：s = "ab"
输出：1

提示

• 1 <= s.length <= 2000
• s 仅由小写英文字母组成

解题思路

方法一：动态规划

这道题是"分割回文串"的进阶版，要求找到最少的分割次数，使得分割后的每个子串都是回文串。我们可以使用动态规划来解决这个问题。

关键点：

• 使用动态规划预处理判断子串是否为回文串
• 使用动态规划计算最少分割次数

具体步骤：

1. 预处理判断子串是否为回文串
   • 定义isPalindrome[i][j]表示s[i…j]是否为回文串
   • 状态转移方程：isPalindrome[i][j] = (s[i] == s[j]) && (j - i <= 1 || isPalindrome[i+1][j-1])
2. 计算最少分割次数
   • 定义dp[i]表示s[0…i]的最少分割次数
   • 初始化dp[i] = i（最坏情况下，每个字符都是一个回文串，需要i次分割）
   • 状态转移方程：
     • 如果s[0…i]是回文串，则dp[i] = 0（不需要分割）
     • 否则，遍历j从0到i-1，如果s[j+1…i]是回文串，则dp[i] = min(dp[i], dp[j] + 1)
3. 返回dp[n-1]，其中n是字符串的长度

时间复杂度：O(n^{2)，其中n是字符串的长度。需要O(n}2)的时间预处理回文串，以及O(n^2)的时间计算最少分割次数。
空间复杂度：O(n^{2)，需要O(n}2)的空间存储isPalindrome数组，以及O(n)的空间存储dp数组。

方法二：优化的动态规划

我们可以对方法一进行优化，减少空间复杂度。

关键点：

• 使用中心扩展法判断回文串，避免使用O(n^2)的空间
• 使用动态规划计算最少分割次数

具体步骤：

1. 定义dp[i]表示s[0…i]的最少分割次数
2. 初始化dp[i] = i（最坏情况下，每个字符都是一个回文串，需要i次分割）
3. 对于每个位置i，以i为中心向两边扩展，找到所有以i为中心的回文串
   • 对于奇数长度的回文串，从i向两边扩展
   • 对于偶数长度的回文串，从i和i+1向两边扩展
4. 对于每个找到的回文串s[j…i]，更新dp[i] = min(dp[i], dp[j-1] + 1)
5. 如果s[0…i]是回文串，则dp[i] = 0
6. 返回dp[n-1]

时间复杂度：O(n^2)，其中n是字符串的长度。
空间复杂度：O(n)，只需要O(n)的空间存储dp数组。

图解思路

动态规划过程分析表

以示例1为例：s = “aab”

预处理回文串

isPalindrome[i][j]	j=0	j=1	j=2
i=0	true	true	false
i=1	-	true	false
i=2	-	-	true

计算最少分割次数

i	s[0…i]	dp[i]初始值	计算过程	最终dp[i]	说明
0	“a”	0	s[0…0]是回文串，dp[0] = 0	0	单个字符是回文串，不需要分割
1	“aa”	1	s[0…1]是回文串，dp[1] = 0	0	"aa"是回文串，不需要分割
2	“aab”	2	s[0…2]不是回文串 s[1…2]不是回文串，dp[2] = min(dp[2], dp[0] + 1) = min(2, 0 + 1) = 1 s[2…2]是回文串，dp[2] = min(dp[2], dp[1] + 1) = min(1, 0 + 1) = 1	1	"aab"需要分割一次

中心扩展法分析表

中心位置	扩展类型	找到的回文串	更新dp[i]	说明
0	奇数长度	“a”	dp[0] = 0	单个字符是回文串
0	偶数长度	“aa”	dp[1] = 0	"aa"是回文串
1	奇数长度	“a”	dp[1] = min(dp[1], dp[0] + 1) = 0	dp[1]已经是0，不更新
1	偶数长度	“ab”	-	"ab"不是回文串，不更新
2	奇数长度	“b”	dp[2] = min(dp[2], dp[1] + 1) = min(2, 0 + 1) = 1	更新dp[2] = 1

代码实现

C# 实现

public class Solution {public int MinCut(string s) {int n = s.Length;// 预处理回文串bool[,] isPalindrome = new bool[n, n];for (int i = 0; i < n; i++) {for (int j = 0; j <= i; j++) {if (s[j] == s[i] && (i - j <= 1 || isPalindrome[j + 1, i - 1])) {isPalindrome[j, i] = true;}}}// 计算最少分割次数int[] dp = new int[n];for (int i = 0; i < n; i++) {dp[i] = i; // 最坏情况下，需要i次分割if (isPalindrome[0, i]) {dp[i] = 0; // 如果s[0...i]是回文串，不需要分割continue;}for (int j = 0; j < i; j++) {if (isPalindrome[j + 1, i]) {dp[i] = Math.Min(dp[i], dp[j] + 1);}}}return dp[n - 1];}
}

Python 实现

class Solution:def minCut(self, s: str) -> int:n = len(s)# 预处理回文串is_palindrome = [[False] * n for _ in range(n)]for i in range(n):for j in range(i + 1):if s[j] == s[i] and (i - j <= 1 or is_palindrome[j + 1][i - 1]):is_palindrome[j][i] = True# 计算最少分割次数dp = list(range(n))  # 初始化dp[i] = ifor i in range(n):if is_palindrome[0][i]:dp[i] = 0  # 如果s[0...i]是回文串，不需要分割continuefor j in range(i):if is_palindrome[j + 1][i]:dp[i] = min(dp[i], dp[j] + 1)return dp[n - 1]

C++ 实现

class Solution {
public:int minCut(string s) {int n = s.length();// 预处理回文串vector<vector<bool>> isPalindrome(n, vector<bool>(n, false));for (int i = 0; i < n; i++) {for (int j = 0; j <= i; j++) {if (s[j] == s[i] && (i - j <= 1 || isPalindrome[j + 1][i - 1])) {isPalindrome[j][i] = true;}}}// 计算最少分割次数vector<int> dp(n);for (int i = 0; i < n; i++) {dp[i] = i; // 最坏情况下，需要i次分割if (isPalindrome[0][i]) {dp[i] = 0; // 如果s[0...i]是回文串，不需要分割continue;}for (int j = 0; j < i; j++) {if (isPalindrome[j + 1][i]) {dp[i] = min(dp[i], dp[j] + 1);}}}return dp[n - 1];}
};

执行结果

C# 实现

• 执行用时：92 ms
• 内存消耗：39.8 MB

Python 实现

• 执行用时：1024 ms
• 内存消耗：31.2 MB

C++ 实现

• 执行用时：56 ms
• 内存消耗：8.7 MB

性能对比

语言	执行用时	内存消耗	特点
C#	92 ms	39.8 MB	执行速度适中，内存消耗较高
Python	1024 ms	31.2 MB	执行速度较慢，内存消耗适中
C++	56 ms	8.7 MB	执行速度最快，内存消耗最低

代码亮点

1. 🎯 使用动态规划预处理回文串，避免重复计算
2. 💡 巧妙利用dp数组存储最少分割次数，状态转移清晰
3. 🔍 优化判断条件，当s[0…i]是回文串时直接设置dp[i] = 0
4. 🎨 代码结构清晰，逻辑简单易懂

常见错误分析

1. 🚫 预处理回文串的状态转移方程错误，导致判断回文串不正确
2. 🚫 初始化dp数组不正确，影响最终结果
3. 🚫 没有考虑s[0…i]是回文串的特殊情况，导致计算错误
4. 🚫 遍历顺序错误，导致状态转移不正确

解法对比

解法	时间复杂度	空间复杂度	优点	缺点
动态规划（预处理回文串）	O(n^2)	O(n^2)	实现简单，思路清晰	空间复杂度较高
优化的动态规划（中心扩展法）	O(n^2)	O(n)	空间复杂度较低	实现稍复杂
回溯（暴力枚举）	O(2^n)	O(n)	思路直观	时间复杂度高，会超时

相关题目

• LeetCode 131. 分割回文串 - 中等
• LeetCode 5. 最长回文子串 - 中等
• LeetCode 647. 回文子串 - 中等
• LeetCode 1745. 回文串分割 IV - 困难
• LeetCode 1278. 分割回文串 III - 困难