leetcode 139. 单词拆分
给你一个字符串 s 和一个字符串列表 wordDict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s 。
注意:不要求字典中出现的单词全部都使用,并且字典中的单词可以重复使用。
示例 1:
输入: s = "leetcode", wordDict = ["leet", "code"] 输出: true 解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。
示例 2:
输入: s = "applepenapple", wordDict = ["apple", "pen"] 输出: true 解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。 注意,你可以重复使用字典中的单词。
示例 3:
输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"] 输出: false
提示:
-
1 <= s.length <= 300 -
1 <= wordDict.length <= 1000 -
1 <= wordDict[i].length <= 20 -
s和wordDict[i]仅有小写英文字母组成 -
wordDict中的所有字符串 互不相同
Related Topics
字典树
记忆化搜索
哈希表
字符串
动态规划
思路1 :动态规划
定义dp[i]表示前i个字符的是否可以用字典中的单词构成。那么只需要以第i个字母为末尾的单词出现在字典中,并保证前面一部分也出现(这一部分其实我们已经计算过dp)即可。
由此,我们可以得到转移方程,dp[i] = dp[j]+cheak(j,i-1)。。j的范围是[0,i-1),以i为末尾的单词可能是以前面i-1个单词任意一个为起点。(dp[j]表示前j个单词,那么最后一个单词的范围就是第j+1个单词到第i个单词,下标范围是[j+1,i-1])
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
HashSet<String> set = new HashSet<>(wordDict);
boolean[] dp = new boolean[s.length()+1];
dp[0] = true;
for(int i = 1;i<= s.length();i++){
for(int j = 0; j < i;j++){
if(dp[j] == true && set.contains(s.substring(j,i))){
dp[i] = true;
break;
}
}
}
return dp[s.length()];
}
}
解答成功:
执行耗时:6 ms,击败了73.77% 的Java用户
内存消耗:41.5 MB,击败了22.41% 的Java用户
改进:
我们可以计算出字典中单词的最大长度。
那么就可以计算出最后一个单词的起始位置,而不是j从0开始了。
-
循环中i表示第i个字母,那么第i个字母的下标是i-1,我们计算出最后一个单词的长度是max。
-
那么最后一个单词最大的起始下标是i-max,小于0时,从0开始。
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
HashSet<String> set = new HashSet<>();
int max = 0;
for(String str : wordDict){
set.add(str);
max = Math.max(max,str.length());
}
boolean[] dp = new boolean[s.length()+1];
dp[0] = true;
//最后一个单词的最大长度为max
// 因为i表示第i个字母 下标是i-1
// 那么这个单词的起始下标最少是 i-max
for(int i = 1;i<= s.length();i++){
for(int j = Math.max(0,i-max); j < i;j++){
if(dp[j] == true && set.contains(s.substring(j,i))){
dp[i] = true;
break;
}
}
}
return dp[s.length()];
}
}
解答成功:
执行耗时:1 ms,击败了99.66% 的Java用户
内存消耗:39.5 MB,击败了42.97% 的Java用户
这篇博客详细介绍了如何使用动态规划解决LeetCode中的139题——单词拆分问题。通过优化循环条件,减少了时间复杂度,实现了在1ms内完成解题,同时降低了内存消耗。博客内容涵盖了动态规划的基本思路、代码实现以及改进方法,适合想要学习动态规划和字符串处理的程序员阅读。

1892

被折叠的 条评论
为什么被折叠?



