文章目录
- 139.单词拆分
- 思路
- 代码实现
- 背包问题总结
- 背包类型
- 递推公式
139.单词拆分
题目链接
思路
- 确定dp数组以及下标的含义
dp[i] : 从0开始长度为i的字符串是否可以拆分为一个或多个在字典中出现的单词 - 确定递推公式
如果确定dp[j] 是true,且 [j, i] 这个区间的子串出现在字典里,那么dp[i]一定是true。(j < i )。
递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) - dp数组如何初始化
dp[0]一定要为true,否则递推下去后面都都是false了。下标非0的dp[i]初始化为false - 确定遍历顺序
本题其实我们求的是排列数。
拿 s = “applepenapple”, wordDict = [“apple”, “pen”] 举例:
“apple”, “pen” 是物品,那么我们要求 物品的组合一定是 “apple” + “pen” + “apple” 才能组成 “applepenapple”。
“apple” + “apple” + “pen” 或者 “pen” + “apple” + “apple” 是不可以的,那么我们就是强调物品之间顺序。
所以说,本题一定是先遍历背包,再遍历物品。 - 举例推导dp[i]
代码实现
有一个困惑点,为什么不能用wordSet.size()而必须用s.size()
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
unordered_set<string> wordSet(wordDict.begin(), wordDict.end());
vector<bool> dp(s.size() + 1, false);
dp[0] = true;
for (int i = 1; i <= s.size(); i++) { // 遍历背包
for (int j = 0; j < i; j++) { // 遍历物品
string word = s.substr(j, i - j); //substr(起始位置,截取的个数)
if (wordSet.find(word) != wordSet.end() && dp[j]) {
dp[i] = true;
}
}
}
return dp[s.size()];
}
};
背包问题总结
背包类型
- 01背包
有限个种类数的物品,每个只有一个,装在有限个单一背包里
一维数组基本上都是外层背包内层物品,外层循环从前到后遍历,内层循环从后向前遍历,以防重复计算
对应题目:
等和分割子串
最后一块石头的重量 II
目标和
一和零:这道题是二维的问题,有点抽象 - 完全背包
有限个种类数的物品,每个有无数个,装在有限个单一背包里
组合问题一般外层循环是物品,遍历顺序从前到后;内层循环是背包,遍历顺序从前到后
排列问题一般外层循环是背包,遍历顺序从前到后;内层循环是物品,遍历顺序从前到后
对应题目:
组合问题:零钱兑换II
排列问题:组合总和 Ⅳ、爬楼梯、零钱兑换、完全平方数、⭐️单词拆分:这道题看不太出可以用动态规划,但是把字符串长度看成背包,字符串内单词看成物品,也可以用动态规划方法来解决,因为我们最后想得到的结果只是一个bool值,内部单词顺序不同对答案有影响,所以是个排列问题 - 多重背包
有限个种类数的物品,每个有多个,装在有限个单一背包里
其实把它转化为01背包就好了。
如下图的要求:
转化为01背包则为:
递推公式
问能否能装满背包(或者最多装多少):dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);,对应题目如下:
等和分割子串
最后一块石头的重量 II
问装满背包有几种方法:dp[j] += dp[j - nums[i]] ,对应题目如下:
零钱兑换II
目标和
组合总和 Ⅳ
爬楼梯
问背包装满最大价值:dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ,对应题目如下:
一和零
问装满背包所有物品的最小个数:dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ,对应题目如下:
零钱兑换
完全平方数