题目:
Given a string s and a dictionary of words dict, determine if s can be segmented into a space-separated sequence of one or more dictionary words.
For example, given
s = "leetcode"
,
dict = ["leet", "code"]
.
Return true because "leetcode"
can be segmented as "leet code"
.
Answer 1: 递归,自顶向下(TLE)
思路:从s的第一个字母开始匹配,逐个递增子串长度,如果前缀可以匹配,再匹配后面的子串。
但是这种方法,时间复杂度为O(N^2),超过LeetCode时间限制。
Error Code:
class Solution {
public:
bool wordBreak(string s, unordered_set<string> &dict) {
if (s.size() == 0) return false;
return wordBreak_helper(s, dict, 0);
}
private:
bool wordBreak_helper(string s, unordered_set<string>& dict, int pos)
{
//pos表示截取字符串的起始位置
if (pos == s.size())
return true;
for (int i = 1; i <= s.size()-pos; i++)
{
//截取子串,并判断是否在字典内
string substr = s.substr(pos, i);
if (dict.find(substr) != dict.end())
{
wordBreak_helper(s, dict, pos+i);
}
}
return false;
}
};
Answer 2: DP, 自底向上的动态规划
思路:我们从字符串末尾开始匹配。dp[i]表示子串S[i...len-1]是否可以根据字典进行拆分。dp[len]表示空串,dp[0]即s[0..len-1]为我们要求的答案。
每一次循环迭代时,我们进行一种新的拆分方式,用索引j 来拆分子串s[i..len-1],如果我们可以找到一个子串s[i..j]是在字典内,并且s[j+1..len-1](即dp[j+1])是可拆分的,则我们可以知dp[i]是可拆分的。而且s[i..j]总之在判断完s[j+1..len-1]后计算,即总之会先得到dp[j+1]的结果,我们可以通过DP算法存储之前的拆分结果。节省了判断时间。
具体可以看下图加以理解:
Attention:
1. 初始化动态规划数组时,我们要构建len+1个,因为从字符串末尾最后一个字母计算时,要知道dp[len], dp[len]表示空串,为true.
<span style="font-size:14px;">//dp[i]表示S[i..len-1]是否可break
vector<bool> dp(len + 1, false);
dp[len] = true;</span>
2. 我们在进行单词是否可拆分时,从后往前拆分,可以省去很多判断。考虑DP问题时,每次可以从自顶向下和自底向上,两个角度考虑,寻找最佳解决方案。
复杂度:O(N^2)
AC Code:
class Solution {
public:
bool wordBreak(string s, unordered_set<string> &dict) {
int len = s.size();
if(s.size() == 0) return false;
//dp[i]表示S[i..len-1]是否可break
vector<bool> dp(len + 1, false);
dp[len] = true;
for(int i = len - 1; i >= 0; i--)
{
for(int j = i; j < len; j++)
{
string substr = s.substr(i, j - i + 1);
if(dict.find(substr) != dict.end() && dp[j+1] == true)
{
dp[i] = true;
break;
}
}
}
return dp[0];
}
};
有种新的解法,利用BFS的方法来遍历字符串。可以看下leetcode这篇文章:A-solution-using-bfs