跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
C++算法

Manacher(马拉车)算法详解:求解最长回文子串

Manacher 算法用于高效查找字符串中的最长回文子串。通过预处理将奇偶回文串统一为奇回文串,利用回文半径数组和对称性优化中心扩展过程。算法维护最右回文串区间,避免重复计算,时间复杂度从 O(n^2) 降至 O(n)。代码实现包含预处理、核心逻辑及模板示例,适用于 C++ 竞赛场景。

墨染流年发布于 2026/3/21更新于 2026/9/343 浏览
Manacher(马拉车)算法详解:求解最长回文子串

Manacher(马拉车)算法

问题

  1. 在字符串中,找出所有的回文子串;
  2. 在字符串中,找出最长的回文子串。

两个问题可以结合解决。

相关概念引入

1. 回文字符串: 正着读和反着读都一样的字符串就是回文字符串。

2. 回文子串: 一个字符串的某个字串是回文。

3. 奇回文串: 回文串的字符数为奇数。

4. 偶回文串: 回文串的字符数为偶数。

5. 回文中心: c,回文串最中心的位置。奇回文串(回文中心):n + 1 / 2; 偶回文串(回文中心):n / 2 与 n/2 + 1 之间。

6. 回文半径: d,回文中心到回文半径左/右端点的距离(字符数,包括本身)。

中心扩展算法

算法原理

  1. 从前往后遍历字符串,以 s[i] 或 s[i] 与 s[i + 1] 的中间作为回文串的中心位置;
  2. 从中间位置开始,枚举半径长度,逐渐向两边扩展,找出以该点为中心的最长的回文子串。

预处理

为了防止对奇偶回文字串进行分类讨论,且奇回文字串更好处理,这里将其统一转化为奇回文串。

预处理字符串: 在相邻字符之间和整个字符串的两端任意加入一个字符 '#'。 例如,字符串 s = "abcbaa" 经过预处理之后就变成:s = "#a#b#c#b#a#a#"。

经过预处理之后:

  • 本来是奇回文串,处理之后依旧是奇回文串。例如 "bab" 处理后为 "#b#a#b#";
  • 本来是偶回文串,处理之后就变成奇回文串。例如 "abba" 处理后为 "#a#b#b#a#";

此时,在处理之后的串上跑中心扩展算法时,由于所有的回文串都是奇回文串,仅需枚举所有中心点,即可找到所有的回文串。

注意: 不用像 KMP 算法那样,加入一个不会出现的字符,这里可以加入任意字符。因为判断回文的时候,只会原始字符和原始字符判断,新加入的字符和新加入的字符判断。因此,可以加入任意字符。

代码:

string t, s;
int m, n;
// 以求解最长回文子串为例
int fun() {
    // 预处理字符串
    cin >> t;
    m = t.size();
    s += ' ';
    for (auto ch : t) {
        s += '#';
        s += ch;
    }
    s += "##";
    n = s.size() - 2;
    int ret = 1;
    // 中心扩展算法
    for ( i = ; i <= n; i++) {
         d = ;
        
         (s[i - d] == s[i + d]) d++;
        ret = (ret, d - );
    }
     ret;
}
int
1
int
1
// 枚举向右向左的距离
while
max
1
return

时间复杂度:O(n^2)

Manacher 算法

概念引入

1. 回文半径数组: d[i] (以 i 为中心的最长回文半径)。 例如,字符串 "#a#a#a#b#a#", 回文半径数组:

字符串#a#a#a#b#a#
下标1234567891011
回文半径12343214121

2. 两个重要的性质:

  1. 回文串的长度为 d[i] - 1;
  2. 以 i 为中心的回文串有 d[i] / 2 个。

3. 加速盒子(最右回文串): 从前往后填表的过程中,区间 [l, r], 找到右端点最靠右的回文子串,不断维护区间。 它可以帮助我们加速填表。 如:"#a#a#a#b#a#"; 依次维护的区间:[1, 1] -> [1, 3] -> [1, 5] -> [1, 7] -> [1, 7] -> [1, 7] -> [1, 7] -> [5, 11] -> [5, 11]

4. Manacher 算法 - 利用最右回文串加速更新回文半径数组

分类讨论(核心)

从前往后填表,当填到 d[i] 时,d[1] ~ d[i - 1] 均已经填好,并且维护最右回文串 [l, r]。当填写时,分下面大类,四种情况讨论:

  1. i > r, 当前点没有在最右回文串中。此时,d[1] ~ d[i - 1] 的回文信息提供不了任何帮助。直接以 i 为中心暴力扩展(与中心扩展算法一致);

  2. i <= r, 当前点在最右回文串中,由对称性可知,j - l = r - i, 对称点 j = r - i + l 的回文半径 d[j], 分为以下三种情况进行讨论:

    • a. d[j] < r - i + 1(最长回文半径),即以 j 为中心的最长回文串包含在 [l, r] 内: 由对称性可知,d[i] = d[j] = d[r - i + l]
    • b. d[j] > r - i + 1,即以 j 为中心的最长回文串的左边界越过了 l: d[i] = r - i + 1。
    • c. d[j] = r - i = 1,即以 j 为中心的最长回文串的左边界正好在 l 位置: 此时 d[i] 至少为 d[j], 且还可能往外扩展。就可以从 d[j] 开始,用中心扩展算法暴力向外扩展。

注意这里: 1 和 2.c 情况还会涉及到对最右回文串区间 [l, r] 的更新。

时间复杂度:注意到,在整个算法执行的过程中 r 是不会回退的,相当于 i, r 两个指针不回退的向后移动。 因此整个时间复杂度为 O(n)。

代码实现: 这里非常的精妙,可以把 4 种情况都考虑进去。

string t, s;
int n, d[N];
// 预处理
void init() {
    cin >> t;
    s = ' ';
    for (auto ch : t) {
        s += '#';
        s += ch;
    }
    s += "##";
    n = s.size() - 2;
}

void get_d() {
    d[1] = 1;
    for (int i = 2, l = 1, r = 1; i <= n; i++) {
        int len = r >= i ? min(d[r - i + l], r - i + 1) : 1;
        // =1 是第 1 种情况,d[r - i + 1] 是第 2,r - i + 1 是第 3,两个相等,任取一个是第 4。
        while (s[i + len] == s[i - len]) len++;
        // 1,4 会进入循环,执行中心扩展算法,2,3 会判断不等
        if (i + len - 1 > r) r = i + len - 1, l = i - len + 1;
        // 更新区间
        d[i] = len;
    }
}

算法模板

题目:【模板】Manacher

代码:

#include <iostream>
using namespace std;
const int N = 2.2e7 + 10;
string t, s;
int m, n;
int d[N];

int main() {
    cin >> t;
    m = t.size();
    s += ' ';
    for (auto ch : t) {
        s += '#';
        s += ch;
    }
    s += "##";
    // 处理边界要不同
    n = s.size() - 2;
    d[1] = 1;
    int ret = 1;
    for (int i = 2, l = 1, r = 1; i <= n; i++) {
        int len = r >= i ? min(d[r - i + l], r - i + 1) : 1;
        while (s[i + len] == s[i - len]) len++;
        if (i + len - 1 > r) r = i + len - 1, l = i - len + 1;
        d[i] = len;
        ret = max(ret, d[i] - 1);
    }
    cout << ret << endl;
    return 0;
}

目录

  1. Manacher(马拉车)算法
  2. 问题
  3. 相关概念引入
  4. 中心扩展算法
  5. 算法原理
  6. 预处理
  7. Manacher 算法
  8. 概念引入
  9. 分类讨论(核心)
  10. 算法模板

更多推荐文章

查看全部
  • 论文解读:低光照图像重构与去噪的新视角与通用架构
  • Nginx-1.28.0 Windows 版安装包及核心功能说明
  • 视觉 - 骨架双模态框架用于帕金森病步态的泛化评估
  • Vision-Language-Action (VLA) 模型综述:概念、进展与应用挑战
  • 论文阅读:Vision-Language-Action (VLA) 模型概念、进展与应用挑战
  • 世界模型发展脉络综述:理解世界还是预测未来?
  • Self-supervised Learning of Person-specific Facial Dynamics for APR 论文阅读
  • RAG 系统知识投毒攻击研究:One Shot Dominance 论文解读
  • 基于 MCP+Skill 的前端 JS 逆向自动化落地实践
  • AI 驱动游戏:鸿蒙生态的机会在哪里?
  • DSRL: 利用潜空间强化学习引导扩散策略
  • 2020 年信奥赛 C++ 提高组 CSP-S 初赛真题:完善程序第 2 题
  • Qwen3-4B-Instruct 本地部署与 AI 写作实战指南
  • OpenViking 上下文数据库 Golang 集成实践
  • UI UX Pro Max:让 AI 编码助手具备专业前端设计能力
  • 计算机二级 MS Office 必考选择题精选及备考指南
  • AgentDoG: 面向 AI 智能体安全与防护的诊断护栏框架
  • 前端表格性能优化:虚拟滚动实现百万级数据流畅渲染
  • AI-Render:在 Blender 中集成 Stable Diffusion 进行图像渲染
  • AI 产品经理必备技术模型与三大知识体系

相关免费在线工具

  • 加密/解密文本

    使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online

  • Base64 文件转换器

    将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online

  • Markdown转HTML

    将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online

  • HTML转Markdown

    将 HTML 片段转为 GitHub Flavored Markdown,支持标题、列表、链接、代码块与表格等;浏览器内处理,可链接预填。 在线工具,HTML转Markdown在线工具,online