动态规划-三维-扰乱字符串

LeetCode-Problem87#较典型的三维动态规划问题

1) 题目

2) 解析（参考自此精选解答）

• 设有两个字符串S和T，S想通过上述扰乱得到T
• 如果len(S) != len(T)，或者S/T中有对方没有的字符(如S=ab/T=ac)或者比双方唯一字符集不等(如S=aab/T=aaa，前者唯一字符集[ab]，后者[a])
• 如果长度一样，S/T可转换，必有某种切分使得S=S1||S2，T=T1||T2（||表示拼接）,且
  • 情况一：没交换，S1=>T1 AND S2=>T2
  • 情况二：交换了，S1=>T2 AND S2=>T1
• 上述“某种切分”意味着一次全局长度遍历；同时，切分得到的局部片段，又蕴含着新的切分和新的局部长度遍历；所以这个问题可视为递归问题，分析角度是从上至下；而计算时由下至上的 递归+缓存 往往就是动态规划；
• 状态state：根据上述分析，最直截了当的状态就是$state=dp[i][k][j][t]=True/False$，表示S[i:k]和T[j:t]是否可以转换；考虑可转换前提是长度一样，即$k-i=t-j=l$，则可简化为$state=dp[i][j][l]$，l为局部长度
• 由此，我们最后要求的是$dp[0][0][L]$，其中$L=len(S)=len(T)$，整个递归/转移方程如下，描述了上述情况一和情况二：
  $$dp[0][0][L]=\bigcup _{1\le l\le L-1}\left(\right(dp[0][0][l]\bigcap dp[0+l][0+l][L-l])\bigcup (dp[0][0+L-l][l]\bigcap dp[0+l][0][L-l]\left)\right)$$
• 显然上述递归式包含大量重复计算，比如计算$dp[0][0][3]$和计算$dp[0][0][4]$，后者依赖于前者的结果；其他位置也一样，即对任意$i,j\in [0,L-1]$，要计算$dp[i][j][l]$，必须要先计算$dp[i][j][1]$等长度小于$l$的情况；由此可知，计算角度是从下至上的；
• 综上，除了$l$在L上的遍历，还需要两个字符串上各个位置$i/j$的遍历，以及局部片段上$l^{local}$的遍历，代码如下，时间复杂度$O(n^4)$，空间复杂度$O(n^3)$

class Solution:
    def isScramble(self, s1: str, s2: str) -> bool:
        # dp[i][j][k]表示s1的pos_i和s2的pos_j是否有长度为k的可转换字符串
        # 返回dp[0][0][L]，其中L为len(s1)=len(s2)=L
        # 状态方程 dp[i][j][k] = OR(l in (1,k-1))[dp[i][j][l]&&dp[i+l][j+l][k-l]] OR
        #                       OR(l in (1,k-1))[dp[i][j+k-l][l]]&&dp[i+l][j][k-l])
        # 表示dp[i][j][k]=TRUE需要满足两大类中的某一类（调换或者不调换）
        len_s1, len_s2 = len(s1), len(s2)
        set_s1, set_s2 = set(s1), set(s2)
        # 初步判断结果，节省时间
        if len_s1 != len_s2 or len(set_s1.union(set_s2)) != len(set_s1) or len(set_s1.intersection(set_s2)) != len(set_s1):
            return False
        # 构造dp三维数组
        dp = [[[False for _ in range(len_s1+1)] for _ in range(len_s1+1)] for _ in range(len_s1+1)]
        # 初始化，形成由下至上计算的初始值
        for i in range(0, len_s1):
            for j in range(0, len_s1):
                dp[i][j][1] = s1[i] == s2[j]
        # 基于上述初始值开始回溯
        for l in range(2, len_s1+1):  # 长度遍历（字符串整体遍历）
            for i in range(0, len_s1-l+1):  # 位置遍历（s1），受限于局部子串长度l
                for j in range(0, len_s1-l+1):  # 位置遍历（s2），受限于局部子串长度l
                    for w in range(1, l):  # 长度遍历（局部子串内部遍历）
                        dp[i][j][l] = (dp[i][j][w] and dp[i+w][j+w][l-w]) or (dp[i][j+l-w][w] and dp[i+w][j][l-w])
                        if dp[i][j][l]:  # dp[i][j][l]出现True表示可转换，即可停止计算
                            break
        return dp[0][0][len_s1] 

• 总结：熟悉三维动态规划的应用场景和状态的意义，熟悉由上至下的递归分析以及由下至上的计算回溯