【C++ | 算法实战】最长回文子串：从中心扩散到动态规划的优雅解法

1. 最长回文子串问题解析

回文串这个有趣的概念，相信大家在日常生活中都遇到过。比如"上海自来水来自海上"这句话，正着读和反着读完全一样，这就是典型的回文串。在算法领域，最长回文子串问题要求我们从一个给定的字符串中找出最长的回文子串。这个问题看似简单，但在实际编程实现时却有不少值得探讨的地方。

我第一次接触这个问题是在准备算法竞赛的时候。当时看到题目觉得应该很简单，但真正动手写代码时才发现需要考虑很多边界情况。比如空字符串怎么处理？全是相同字符的字符串怎么处理？这些问题都需要在算法设计中仔细考虑。

在C++中解决这个问题，最直观的两种方法是动态规划和中心扩散法。动态规划的思路是将大问题分解为小问题，通过解决小问题来构建大问题的解；而中心扩散法则更像是从字符串的每个位置"向外探索"，寻找可能的回文串。这两种方法各有优劣，接下来我们会详细分析它们的实现细节和性能特点。

2. 动态规划解法详解

2.1 动态规划的基本思路

动态规划解法的核心在于定义状态和状态转移方程。对于最长回文子串问题，我们可以定义一个二维数组dp，其中dp[i][j]表示字符串从第i个字符到第j个字符是否为回文串。这个定义非常直观，但关键在于如何填充这个二维数组。

我刚开始学习这个解法时，最困惑的是状态转移方程。经过多次实践后，我发现可以这样理解：如果一个字符串的首尾字符相同，并且去掉首尾后的子串也是回文串，那么这个字符串就是回文串。用代码表示就是：

cpp复制if(s[i] == s[j] && dp[i+1][j-1]) {
    dp[i][j] = true;
}

这个思路虽然简单，但在实现时需要注意遍历的顺序。我们必须先处理较短的子串，再处理较长的子串，因为长串的判断依赖于短串的结果。这也是为什么在代码中我们需要先枚举子串长度，再枚举起始位置。

2.2 动态规划的完整实现

让我们来看一个完整的动态规划实现。这个版本考虑了各种边界情况，并且添加了详细的注释：

cpp复制#include <iostream>
#include <cstring>
using namespace std;

const int N = 1010;

int main() {
    string s;
    getline(cin, s);