zl程序教程

您现在的位置是:首页 >  其他

当前栏目

【常见题型总结】序列 DP 模板题(总结「线性 DP」和「序列 DP」本质区别)

2023-02-19 12:20:53 时间

题目描述

这是 LeetCode 上的「139. 单词拆分」,难度为「中等」

Tag : 「动态规划」、「哈希表」、「序列 DP」

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
  • swordDict[i] 仅有小写英文字母组成
  • wordDict 中的所有字符串 互不相同

序列 DP

将字符串 s 长度记为

n

wordDict 长度记为

m

。为了方便,我们调整字符串 s 以及将要用到的动规数组的下标从

1

开始。

定义

f[i]

为考虑前

i

个字符,能否使用 wordDict 拼凑出来:当

f[i] = true

代表

s[1...i]

能够使用 wordDict 所拼凑,反之则不能。

不失一般性考虑

f[i]

该如何转移:由于

f[i]

需要考虑

s[1...i]

范围内的字符,若

f[i]

True 说明整个

s[1...i]

都能够使用 wordDict 拼凑,自然也包括最后一个字符

s[i]

所在字符串 sub

我们可以枚举最后一个字符所在字符串的左端点

j

,若

sub = s[j...i]

wordDict 中出现过,并且

f[j - 1] = True

,说明

s[0...(j - 1)]

能够被拼凑,并且子串 sub 也在 wordDict,可得 f[i] = True

为了快速判断某个字符是否在 wordDict 中出现,我们可以使用 Set 结构对

wordDict[i]

进行转存。

Java 代码:

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        Set<String> set = new HashSet<>();
        for (String word : wordDict) set.add(word);
        int n = s.length();
        boolean[] f = new boolean[n + 10];
        f[0] = true;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= i && !f[i]; j++) {
                String sub = s.substring(j - 1, i);
                if (set.contains(sub)) f[i] = f[j - 1]; 
            }
        }
        return f[n];
    }
}

TypeScript 代码:

function wordBreak(s: string, wordDict: string[]): boolean {
    const ss = new Set<string>(wordDict)
    const n = s.length
    const f = new Array<boolean>(n + 10).fill(false)
    f[0] = true
    for (let i = 1; i <= n; i++) {
        for (let j = i; j >= 1 && !f[i]; j--) {
            const sub = s.substring(j - 1, i)
            if (ss.has(sub)) f[i] = f[j - 1]
        }
    }
    return f[n]
}

Python 代码:

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        ss = set(wordDict)
        n = len(s)
        f = [False] * (n + 10)
        f[0] = True
        for i in range(1, n + 1):
            j = i
            while j >= 1 and not f[i]:
                sub = s[j - 1:i]
                if sub in ss:
                    f[i] = f[j - 1]
                j -= 1
        return f[n]
  • 时间复杂度:将 wordDict 转存在 Set 复杂度为
O(m)

DP 过程复忽裁剪子串和查询 Set 结构的常数,复杂度为

O(n^2)
  • 空间复杂度:
O(n + m)

总结

这里简单说下「线性 DP」和「序列 DP」的区别。

线性 DP 通常强调「状态转移所依赖的前驱状态」是由给定数组所提供的,即拓扑序是由原数组直接给出。更大白话来说就是通常有

f[i][...]

依赖于

f[i - 1][...]

这就限定了线性 DP 的复杂度是简单由「状态数量(或者说是维度数)」所决定。

序列 DP 通常需要结合题意来寻找前驱状态,即需要自身寻找拓扑序关系(例如本题,需要自己通过枚举的方式来找左端点,从而找到可转移的前驱状态

f[j - 1]

)。

这就限定了序列 DP 的复杂度是由「状态数 + 找前驱」的复杂度所共同决定。也直接导致了序列 DP 有很多玩法,往往能够结合其他知识点出题,来优化找前驱这一操作,通常是利用某些性质,或是利用数据结构进行优化。

最后

这是我们「刷穿 LeetCode」系列文章的第 No.139 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。

在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。

为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:https://github.com/SharingSource/LogicStack-LeetCode 。

在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。