当前位置：首页 > news >正文

LeetCode第131题_分割回文串

news 来源：原创 2025/8/25 3:26:29

LeetCode 第131题：分割回文串

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 回文串 。返回 s 所有可能的分割方案。

回文串 是正着读和反着读都一样的字符串。

难度

中等

题目链接

点击在LeetCode中查看题目

示例

示例 1：

输入：s = "aab"
输出：[["a","a","b"],["aa","b"]]

示例 2：

输入：s = "a"
输出：[["a"]]

提示

1 <= s.length <= 16
s 仅由小写英文字母组成

解题思路

方法一：回溯 + 动态规划预处理

这道题要求将字符串分割成回文子串，并返回所有可能的分割方案。我们可以使用回溯算法来解决这个问题。

关键点：

使用回溯算法枚举所有可能的分割方案
使用动态规划预处理判断子串是否为回文串，避免重复计算
递归构建分割方案，当处理完整个字符串时，将当前方案加入结果集

具体步骤：

使用动态规划预处理，计算字符串的所有子串是否为回文串
- 定义dp[i][j]表示s[i…j]是否为回文串
- 状态转移方程：dp[i][j] = (s[i] == s[j]) && (j - i < 2 || dp[i+1][j-1])
使用回溯算法枚举所有可能的分割方案
- 定义递归函数backtrack(start, path)，其中start表示当前处理的起始位置，path表示当前的分割方案
- 如果start等于字符串长度，说明已经处理完整个字符串，将当前方案加入结果集
- 否则，枚举从start开始的所有可能的子串，如果是回文串，则将其加入当前方案，并递归处理剩余部分

时间复杂度：O(n * 2^{n)，其中n是字符串的长度。在最坏情况下，字符串中的每个字符都可以作为一个回文串，因此有2}n种可能的分割方式，每种分割方式需要O(n)的时间来构建。
空间复杂度：O(n^{2)，需要O(n}2)的空间存储动态规划的结果，以及O(n)的递归调用栈空间。

方法二：回溯 + 中心扩展法

另一种解决方案是使用回溯算法结合中心扩展法来判断回文串。

关键点：

使用回溯算法枚举所有可能的分割方案
使用中心扩展法判断子串是否为回文串
递归构建分割方案，当处理完整个字符串时，将当前方案加入结果集

具体步骤：

定义一个函数isPalindrome(s, start, end)，使用中心扩展法判断子串是否为回文串
使用回溯算法枚举所有可能的分割方案
- 定义递归函数backtrack(start, path)，其中start表示当前处理的起始位置，path表示当前的分割方案
- 如果start等于字符串长度，说明已经处理完整个字符串，将当前方案加入结果集
- 否则，枚举从start开始的所有可能的子串，如果是回文串，则将其加入当前方案，并递归处理剩余部分

时间复杂度：O(n * 2^{n)，其中n是字符串的长度。在最坏情况下，字符串中的每个字符都可以作为一个回文串，因此有2}n种可能的分割方式，每种分割方式需要O(n)的时间来构建。
空间复杂度：O(n)，递归调用栈的最大深度为n。

图解思路

回溯过程分析表

以示例1为例：s = “aab”

当前位置	当前方案	剩余字符串	操作	结果
0	[]	“aab”	检查"a"是否为回文串	是，将"a"加入方案
1	[“a”]	“ab”	检查"a"是否为回文串	是，将"a"加入方案
2	[“a”, “a”]	“b”	检查"b"是否为回文串	是，将"b"加入方案
3	[“a”, “a”, “b”]	“”	已处理完整个字符串，加入结果集	[[“a”, “a”, “b”]]
2	[“a”, “a”]	“b”	回溯，移除"a"	-
1	[“a”]	“ab”	检查"ab"是否为回文串	否，不加入方案
1	[“a”]	“ab”	回溯，移除"a"	-
0	[]	“aab”	检查"aa"是否为回文串	是，将"aa"加入方案
2	[“aa”]	“b”	检查"b"是否为回文串	是，将"b"加入方案
3	[“aa”, “b”]	“”	已处理完整个字符串，加入结果集	[[“a”, “a”, “b”], [“aa”, “b”]]
2	[“aa”]	“b”	回溯，移除"b"	-
0	[]	“aab”	检查"aab"是否为回文串	否，不加入方案

动态规划预处理表

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

代码实现

C# 实现

public class Solution {public IList<IList<string>> Partition(string s) {int n = s.Length;// 动态规划预处理bool[,] dp = 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 <= 2 || dp[j + 1, i - 1])) {dp[j, i] = true;}}}IList<IList<string>> result = new List<IList<string>>();Backtrack(s, 0, new List<string>(), result, dp);return result;}private void Backtrack(string s, int start, IList<string> path, IList<IList<string>> result, bool[,] dp) {if (start == s.Length) {result.Add(new List<string>(path));return;}for (int end = start; end < s.Length; end++) {if (dp[start, end]) {path.Add(s.Substring(start, end - start + 1));Backtrack(s, end + 1, path, result, dp);path.RemoveAt(path.Count - 1);}}}
}

Python 实现

class Solution:def partition(self, s: str) -> List[List[str]]:n = len(s)# 动态规划预处理dp = [[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 <= 2 or dp[j + 1][i - 1]):dp[j][i] = Trueresult = []def backtrack(start, path):if start == n:result.append(path[:])returnfor end in range(start, n):if dp[start][end]:path.append(s[start:end + 1])backtrack(end + 1, path)path.pop()backtrack(0, [])return result

C++ 实现

class Solution {
public:vector<vector<string>> partition(string s) {int n = s.length();// 动态规划预处理vector<vector<bool>> dp(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 <= 2 || dp[j + 1][i - 1])) {dp[j][i] = true;}}}vector<vector<string>> result;vector<string> path;backtrack(s, 0, path, result, dp);return result;}private:void backtrack(const string& s, int start, vector<string>& path, vector<vector<string>>& result, const vector<vector<bool>>& dp) {if (start == s.length()) {result.push_back(path);return;}for (int end = start; end < s.length(); end++) {if (dp[start][end]) {path.push_back(s.substr(start, end - start + 1));backtrack(s, end + 1, path, result, dp);path.pop_back();}}}
};

执行结果

C# 实现

执行用时：432 ms
内存消耗：67.2 MB

Python 实现

执行用时：128 ms
内存消耗：30.4 MB

C++ 实现

执行用时：92 ms
内存消耗：74.8 MB

性能对比

语言	执行用时	内存消耗	特点
C#	432 ms	67.2 MB	执行速度较慢，内存消耗适中
Python	128 ms	30.4 MB	执行速度适中，内存消耗较低
C++	92 ms	74.8 MB	执行速度最快，内存消耗较高

代码亮点

🎯 使用动态规划预处理判断回文串，避免重复计算
💡 回溯算法清晰地枚举所有可能的分割方案
🔍 剪枝优化，只有当子串是回文串时才继续递归
🎨 代码结构清晰，逻辑简单易懂

常见错误分析

🚫 回溯过程中忘记回溯（移除最后一个元素），导致结果错误
🚫 动态规划预处理的状态转移方程错误，导致判断回文串不正确
🚫 递归终止条件设置不正确，导致无法正确构建分割方案
🚫 字符串截取范围错误，导致子串不正确

解法对比

解法	时间复杂度	空间复杂度	优点	缺点
回溯 + 动态规划预处理	O(n * 2^n)	O(n^2)	避免重复计算回文串	需要额外空间存储预处理结果
回溯 + 中心扩展法	O(n * 2^n)	O(n)	空间复杂度较低	可能重复计算回文串
纯回溯（不预处理）	O(n^2 * 2^n)	O(n)	实现简单	时间复杂度高，重复计算回文串