LeetCode最长回文子串：三种解法与优化策略

1. 题目概述

LeetCode第5题"最长回文子串"是字符串处理领域的经典问题，要求在一个给定字符串中找到最长的回文子串。回文串是指正读反读都相同的字符串，如"aba"、"abba"等。这个问题在算法面试中出现频率极高，也是检验编程基本功的重要试金石。

我在实际面试中多次遇到这个问题，发现它不仅能考察对字符串的基本操作能力，还能检验对动态规划、中心扩展等算法的掌握程度。下面我将分享三种主流解法及其优化思路，包含详细的代码实现和复杂度分析。

2. 解法一：暴力枚举法

2.1 基本思路

暴力解法是最直观的解决方案：枚举所有可能的子串，然后检查每个子串是否是回文。虽然时间复杂度较高，但作为基础解法值得了解。

具体步骤：

1. 使用双重循环枚举所有子串（i从0到n-1，j从i+1到n）
2. 对每个子串s[i...j]检查是否为回文
3. 记录遇到的最长回文子串

2.2 代码实现

python复制def longestPalindrome(s: str) -> str:
    n = len(s)
    if n < 2:
        return s
    
    max_len = 1
    res = s[0]
    
    for i in range(n-1):
        for j in range(i+1, n):
            if j-i+1 > max_len and is_palindrome(s, i, j):
                max_len = j-i+1
                res = s[i:j+1]
    return res

def is_palindrome(s, left, right):
    while left < right:
        if s[left] != s[right]:
            return False
        left += 1
        right -= 1
    return True

2.3 复杂度分析

时间复杂度：O(n³) - 双重循环O(n²)，每次检查回文O(n)
空间复杂度：O(1) - 只使用了常数空间

提示：虽然这种方法简单直观，但在LeetCode上提交会超时，仅适用于小规模字符串（n<100）

3. 解法二：中心扩展法

3.1 算法原理

回文串具有中心对称特性，可以从中心向两边扩展寻找最长回文。需要注意回文长度可能是奇数（如"aba"）或偶数（如"abba"），因此每个中心点需要考虑两种情况。

3.2 优化实现

python复制def longestPalindrome(s: str) -> str:
    n = len(s)
    if n < 2:
        return s
    
    start, end = 0, 0
    for i in range(n):
        len1 = expandAroundCenter(s, i, i)   # 奇数长度
        len2 = expandAroundCenter(s, i, i+1) # 偶数长度
        max_len = max(len1, len2)
        if max_len > end - start:
            start = i - (max_len - 1) // 2
            end = i + max_len // 2
    return s[start:end+1]

def expandAroundCenter(s, left, right):
    while left >=0 and right < len(s) and s[left] == s[right]:
        left -= 1
        right += 1
    return right - left - 1

3.3 复杂度分析

时间复杂度：O(n²) - 每个中心点扩展需要O(n)时间
空间复杂度：O(1)

技巧：实际编码时可以合并奇偶两种情况处理，减少代码重复。我在面试中经常被要求手写这个解法，建议牢记模板。

4. 解法三：动态规划

4.1 状态定义

定义dp[i][j]表示子串s[i...j]是否为回文：

• 当j-i<=2时，dp[i][j] = (s[i]==s[j])
• 否则，dp[i][j] = (s[i]==s[j]) and dp[i+1][j-1]

4.2 实现细节

python复制def longestPalindrome(s: str) -> str:
    n = len(s)
    if n < 2:
        return s
    
    dp = [[False]*n for _ in range(n)]
    max_len = 1
    res = s[0]
    
    for i in range(n):
        dp[i][i] = True
    
    for j in range(1, n):
        for i in range(j):
            if s[i] == s[j]:
                if j - i <= 2 or dp[i+1][j-1]:
                    dp[i][j] = True
                    if j - i + 1 > max_len:
                        max_len = j - i + 1
                        res = s[i:j+1]
    return res

4.3 复杂度分析

时间复杂度：O(n²) - 双重循环填表
空间复杂度：O(n²) - 需要二维DP表

注意事项：动态规划解法虽然理论复杂度与中心扩展法相同，但实际运行效率通常较低，因为需要处理二维数组。在内存受限的场景要谨慎使用。

5. 算法优化与对比

5.1 Manacher算法

对于特别长的字符串（n>1000），可以使用Manacher算法将时间复杂度降到O(n)。该算法通过利用回文对称性避免重复计算，但实现较复杂。

5.2 性能对比

5.3 选择建议

• 面试场景：优先选择中心扩展法，代码简洁且效率高
• 竞赛场景：可以考虑Manacher算法应对极端case
• 学习场景：建议都实现一遍，理解不同思路

6. 常见错误与调试技巧

6.1 边界条件处理

• 空字符串或单字符字符串直接返回
• 注意Python字符串切片是左闭右开区间
• 更新最大长度时同时更新起始位置

6.2 调试案例

错误示例：

python复制# 错误：未考虑偶数长度回文
def expandCenter(s, i):
    l = r = i  # 只考虑了奇数情况
    ...

正确做法：

python复制# 正确处理奇偶两种情况
max_len = max(expand(s,i,i), expand(s,i,i+1))

6.3 测试用例建议

python复制test_cases = [
    ("babad", ["bab", "aba"]),  # 多个解
    ("cbbd", "bb"),             # 偶数长度
    ("a", "a"),                 # 边界条件
    ("ac", ["a","c"]),          # 无回文
    ("aaaaa", "aaaaa")          # 全回文
]

7. 实际应用场景

回文串算法不仅用于面试，在实际工程中也有广泛应用：

1. DNA序列分析：寻找反向重复序列
2. 文本处理：检测回文诗、回文词
3. 数据校验：验证对称性数据结构
4. 密码学：构建特定模式的密钥

我在处理日志分析时曾用中心扩展法快速定位异常模式，比正则表达式效率提升近10倍。关键是要根据具体场景选择合适的算法变种。