Longest Palindrome (最长回文子串)

一个序列（字符串）S=a₁a₂...a_n 的倒置 S' 为 a_na_n-1...a₁。而 S 的子串定义为 S 中任何连续的一部分，如 a_ia_i+1...a_j 是 S 的一个子串，但a_ia_i+2... 则不是 S 的子串。如果一个序列 S=S'，则 S 称为回文序列。本文接下来将研究一个有趣的问题：给定一个序列 S，找出 S 中最长的回文子串。

 

在详细分析各个算法之前，先给出一个概览：简单的暴力算法时间复杂度为 Ɵ(n³)。经过仔细分析，可以通过动态规划把复杂度降至 O(n²)。但是，令人兴奋的是，存在线性复杂度，即 O(n) 的算法！

 

一、暴力算法

 

按照惯例，先分析一下暴力的算法：对 S 的每个子串，先判断其是否为回文，如果是，则跟已知的最长回文子串相比较，并保存其中最长的那个。

set longest_parlindrome to empty stringfor each substring P of the string S do if P is a palindrome if P.length > longest_parlindrome.length then longest_parlindrome := P end if end ifend foroutput longest_parlindrome 

长度为 n 的字符串一共有 O(n²) 个子串，判断一个子串是否为回文串平均需要 O(n) 时间，因此，该算法的复杂度为 O(n³) 。当然，可以在算法中加入剪枝，例如，当子串 P 的长度比已知最长回文子串的长度小时，可以不必进行检查是否为回文串了。但这个并不能带来时间复杂度上质的变化。

 

二、动态规划

 

仔细分析该暴力算法，可以发现，该算法中存在很多重复计算。例如，当子串 P 不是回文时，xPy 也不可能是回文。再如，子串 xPx 是否为回文当且仅当 P 是回文。这后面的例子有点动态规划的味道了。沿着这个方向，可以比较容易的设计出动态规划的算法。首先，用 LP[i][j] 表示子串 a_ia_i+1...a_j 是否为回文。则

 

     LP[i][j] = true，如果 i >= j，即单字符的串和空串都是回文；

     LP[i][j] = true，如果 S[i] = S[j] 并且 LP[i+1][j-1] = true；

     否则，LP[i][j] = false。

 

在填动态规划表时，按子串的长度从小到大进行。

/* Use LP_start and LP_end to record the start and ending positions of the found longest parlindrome. */Assume S is not empty. If S is empty, just output S and return.LP_start := 1LP_end := 0for i from 2 to n do LP[i][i-1] := trueend forfor m from 1 to n do for i from 1 to n+1-m do j := i+m-1 if i = j or (S[i] = S[j] and LP[i+1][j-1] = true) then LP[i][j] := true if LP_end - LP_start + 1 < m then LP_end := j LP_start := i end if else LP[i][j] := false end if end forend foroutput S[LP_start ~ LP_end] 

可以看出，这个算法的时间复杂度为 O(n²)。相比较暴力算法，速度的提升来自检查每个子串是否为回文只需要 O(1) 的时间，而这在暴力算法中，最坏时平均是 O(n)。O(n²) 看起来好像是极限了，因为，毕竟搜索空间是 Ɵ(n²)，即有 Ɵ(n²) 个子串。如果有线性复杂度的算法，那么将是比较神奇的，因为，这意味着不需要逐一检查每个子串！事实上，这个真的可以有，而已知有两个完全不同的算法达到线性复杂度，从而也是最优的算法：一个基于后缀树 (suffix tree)；一个基于回文子串一个性质。

 

三、基于后缀树的线性算法

 

先来看看基于后缀树的算法。首先需要了解一下最长公共扩展：给定两个字符串 S₁ 和 S₂，以及 S₁ 的一个后缀 t₁ 和 S₂ 的一个后缀 t₂，求 t₁ 和 t₂ 的最长公共前缀。这个问题之所以被称为最长公共扩展，是因为，如果 t₁ 的第一个字符在 S₁ 中位于 q₁，t₂ 的第一个字符在 S₂ 中位于 q₂，那么，最长公共扩展问题即为，求从 t1 开始在 S1 中向后扩展，同时从 t₂ 开始在 S₂ 中向后扩展，两个扩展中最长的公共部分。当 S₁ 和 S₂ 给定后，每个位置对 (q₁,q₂) 代表一个查询，查询对应着位置 q₁ 和 q₂ 的最长公共扩展。 举个例子，令 S₁=abcdef，S₂=efbcd，q₁=2，q₂=3，则 (q₁,q₂) 的最长公共扩展为 bcd。

 

现在，令 S₁=S 和 S₂=S'，即 S 的倒置，n 为 S 的长度。如果有一个长度为 2k 的回文串是最大的，即没有更长的回文串包含它，若假设其中心的两个字符右的那个在 S 中位于 q+1，则中心左边的那个字符在 S' 中位于 n-q+1，并且，(q+1,n-q+1) 的长度为 k。反之，如果 (q+1,n-q+1) 的长度为 k，则在 S 中有一个长度为 2k 的，中心的左边位于 q 的偶数回文串。因此，如果我们遍历每个中心的左边，我们就可以找出每个中心对应的最长偶数回文的长度。用相似的方法可以求得每个中心对应的最长奇数回文串的长度，从而在这所有的 2n-1 个回文子串中找出最长那个。

 

现在，有 2n-1 个中心，因此，一共有 2n-1 个查询。如果算法的复杂度为 O(n)，则每个查询须在 O(1) 时间内完成。这事儿看起来很悬，但真的能够做到！这是因为，存在一个神奇的算法，可以在 O(n) 的时间内建立起长度为 n 的字符串的后缀树。而且，一旦预先建立好 S₁ 和 S₂ 的后缀树，则对每个查询 (q₁,q₂)，可以在 O(1) 的时间内确定其最长公共扩展。具体的算法参见《Algorithms on Strings, Trees and Sequences》第 198 页。这里，我摘抄了其中计算偶数回文的算法。

 

/* Algorithm to compute all even length maximal parlindrome in S */1. Create the reverse string S' from S and preprocess the two strings so that any longest common extension query can be solved in constant time.2. For each q from 1 to n — 1, solve the longest common extension query for the index pair (q + 1,n — q + 1) in S and S', respectively. If the extension has nonzero length k, then there is a maximal palindrome of radius k left-centered at q.  

 

四、一个简单的线性算法

 

个人认为后缀树是一个比较“重型”的数据结构，功能虽然强大，但线性建立后缀树的算法很是复杂。用它来解决最长回文子串问题，有点像杀鸡用了牛刀。事实上，有个非常简单的算法，可以在线性时间内计算出所有中心的最大回文串，从而求出最长的那个回文串。这个算法是本人在某国外的网站上看到的，链接在这里。因为未在任何中文网站上见到过，本人也不敢独享，于是在因此向大家详细介绍该算法。

 

 

先来说说回文的中心。对于奇数长度的回文，这个中心是惟一的；但对于偶数回文来说，从字符串本身看来，中心有两个相同的字符。当然，也可以理解为偶数回文的中心落在两个相邻的字符之间。为了统一起见和方便叙述，我们想像在 S 的开头、末尾和每两个相邻的字符之间插入一个特殊的字符（空隙），奇数回文的中心落在某个常规字符上，偶数回文的中心落在特殊字符（空隙）上。而且，在索引回文的中心的位置时，把特殊字符也计算在内。例如，假设 S = abcbbe，则把 S 想像成 _a_b_c_b_b_e_，其中下划线代表特殊字符。于是，回文 bcb 的中心为 c，其中位置索引为 6，而不是3，因为当我们索引中心时，把特殊字符也计算在内；另一个回文  bb 的中心为 _，其中心位置索引为 9。这样，所有子串，都有一个惟一的中心索引位置。不过，我们在索引 S 本身的字符位置时，依然只是参照实际上 S，而非想像中的带有特殊字符的 S。例如，当我们说 S[1]，就只是指 S 的第一个字符，即 a，而 S[1~3] 则指其子串 abc。

 

在说明回文的一些性质前，先来看个例子：S = abababa。这个例子中，S[1~3]，即开头的 aba 是一个回文，同时也是更大的回文，S[1~5] 及 S 本身的子串。对比 S[1~3]=aba 和 S[1~5]=ababa，可以发现，S[3~5] = S[1~3]，且其关于 S[1~5] 的中心对称。这不是偶然的。可以证明，如果 X 是 Y 的一个真回文子串（即 X 不等于 Y），则存在它的关于 Y 的中心对称的对偶子串 X'=X。在上例中，若Y=S[1~5]，X=S[1~3]，则 X' = S[3~5]。精确地说，假设回文 Y 的中心位于 p，X 是 Y 的长度为 k 的真回文子串，其中心位于 p-d，则有一个长度也为 k 的真回文子串，其中心位于 p+d。如果用数组 Len[1~2n+1] 表示各个中心的最大回文串，即 Len[i] 表示中心位于 i 的最长的回文，则上述性质说明，

 

如果 回文 Y 的中心位于 p，且以 p-d (d>0) 为中心的最长回文 X 是 Y 的子串，则 Len[p+d] 至少不小于 Len[p-d]，即 Len[p+d] >= Len[p-d]。

 

需要强调的是，X 必须是 Y 的子串，否则个不等式不成立。那么，什么时候等号成立呢？一个充分的条件是，或者 X 不是 Y 的前缀，或者 Y 是 S 的后缀。注意，这个条件只是充分的，而非必要条件。基于这个性质和这个充分条件，就可以设计出一个线性时间复杂度的算法了。

 

1. 把当前中心位置指针 p 指向第一个可能的中心，即 p :=1

2. 只要 1 <= p <= 2n+1，执行下面循环

     a) 以 p 为中心，向两边扩展，直到找到以 p 为中心的最长回文，假设其长度为 k

     b) Len[p] := k

     c) 利用上述的性质和找到的最长回文，计算 Len[p+1], Len[p+2],... 的值，直到当前已有的信息不足以继续确定某个 Len[p+h] 的值

     d) p := p+h

3. 返回 Len 中最大的值及其下标（即中心位置）

这个算法是 O(n) 时间复杂度的，虽然现在似乎不是那么明显，但看了下面更为详尽的伪代码，就很清楚了。

p := 1i := 1LP_len := 1  // the length of LP found so farLP_center := 1 // the center of LP found so farwhile p <= 2n+1 do    j := p-i // the pointer extending to left    // below search the LP centered at p    while j >= 1 and S[i]=S[j] do        i := i+1        j := j-1    end while    /* set the length of LP centered at p */    Len[p] := 2*i - p - 1    /* track the LP found so far */    if Len[p] > LP_len then        LP_len := Len[p]        LP_center := p    end if    /* use the property discussed above to compute values of other slots of Len as possible as we can */    current_start := j + 1 // the start position of LP centered at p    p := p + 1 // the next slot of Len to consider    q := p - 2 // the center of dual of LP centered at p    while q >= 1 and p <= 2n+1 do        q_start := (q-Len[q]+1) / 2        if q_start > current_start or i > n then            Len[p] := Len[q]            p := p+1            q := q-1        else            break        end if    end whileend whilereturn the pair (LP_len,LP_center) 

在上述伪代码中，可以看出，在内部的两个 while 中，要么递增 i 的值（ S 中下一个待访问的元素的下标），要么递增 p （下一个考虑的可能中心），而每个递增及其附加操作的复杂度都为 O(1)，因此，总的时间复杂度为 O(n)。值得指出的时，Len 数组记录每个中心的最长回文长度，从而该算法实际上求出所有的最大回文子串，而不仅仅是最长的那个。上述的伪代码是为了方便理解而写的，具体实现的代码可能比这个伪代码还要简单，例如原文给出的Python代码。