第46天 Dynamic Programming 多重背包 139

多重背包：

• 每个物品有不同的可用的数量，有自己的重量和价值

• 方法1: 把多重背包转化成01背包，改weight和value

• 方法2: 原来的两层for loop里再加一层for(int k=1; k<=nums[i]; k++)

• Time Complexity: O(m × n × k)，m：物品种类个数，n背包容量，k单类物品数量

139. Word Break

• 方法1: 完全背包
• 背包容量：s.length()
• 物品个数：wordDict.length()
• 物品重量：word.length() 且他是否和s.substring(j-word.length(), j)完全一样
• 公式：dp[j] = true if dp[j-len] == true && word == s.substring(j-word.length(), j)
• 初始化：dp[0] = true 概念上不合理，为了递推公式方便
• 遍历顺序：先容量后物品，所以所有word都会match一遍，保证覆盖全部的 word == s.substring(j-word.length(), j) 情况
• 注意//的地方，是先物品后容量，会有wordDict = [apple, pen], s = applepenapple, dp[s.length()] = false的情况，因为 word != s.substring(j-word.length(), j) 但其实是有之前遍历过的word == s.substring(j-word.length(), j)
• 这里不像普通的完全背包，从小到大去遍历，就可以保证一个物品多次加入到背包，因为物品的重量word是否等于s.substring(j-word.length(), j)没有办法排序

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        boolean[] dp = new boolean[s.length()+1];
        dp[0] = true;

        for (int j=0; j<=s.length(); j++) {
            for (int i=0; i<wordDict.size(); i++) {
                int len = wordDict.get(i).length();
                if (len <= j && dp[j-len] == true && wordDict.get(i).equals(s.substring(j-len, j)))
                    dp[j] = true;
            }
        }

        // for (int i=0; i<wordDict.size(); i++) {
        //     for (int j=wordDict.get(i).length(); j<=s.length(); j++) {
        //         int len = wordDict.get(i).length();
        //         if (dp[j-len] && wordDict.get(i).equals(s.substring(j-len, j)))
        //             dp[j] = true;
                
        //     }
        //     for (int j=0; j<=s.length(); j++)
        //         System.out.print(dp[j]+" ");
        //     System.out.println();
        // }

        return dp[s.length()];
    }
}

• 方法2: 完全背包
• 物品：单词，但其实是遍历s的所有字串
• 背包：字符串s
• 单词能否组成字符串s：物品能不能把背包装满 -> 完全背包
• dp[j] : 字符串长度为j的话，dp[j]为true，表示可以拆分为一个或多个在字典中出现的单词。
• 递推公式：if (dp[i] 是true && [i, j] 这个区间的子串出现在字典里) dp[j] = true (i<j)
• 遍历顺序：因为分割子串的特殊性，遍历背包放在外循环，将遍历物品放在内循环更方便一些。
• 如果要是外层for循环遍历物品，内层for遍历背包，就需要把所有的子串都预先放在一个容器里。
• Time Complexity: O(n^3)，因为substr返回子串的副本是O(n)的复杂度（这里的n是substring的长度）
• Space Complexity：O(n)

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        boolean[] dp = new boolean[s.length()+1];
        dp[0] = true;

        for (int j=0; j<=s.length(); j++) {
            for (int i=0; i<j; i++) {
                if (dp[i] == true && wordDict.contains(s.substring(i, j)))
                    dp[j] = true;
            }
        }

        return dp[s.length()];
    }
}