[LeetCode] 139、单词拆分

题目描述

给一个字符串，和一些单词，问字符串能不能由这些单词构成。每个单词可以用多次，也可以不用。

示例：

输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以被拆分成 "leet code"。

解题思路

• 刚开始是超级暴力的想法，利用回溯法（找全排列），用 wordDict 去生成所有可能的字符串。期间如果出现了目标字符串 s，就返回 true。（这种方法基本毫无疑问会超时）

• 动态规划：这里最重要的是要想明白如何确定“状态表示”（即状态应该定义为“什么的状态”，参考53、300题），然后如何状态转移（如何由已知子问题的最优解得到大问题的最优解）。

  

其实下面那个练习和第一种dp思路一致，不需要看。

注：动态规划和记忆化搜索本质没区别，《算法导论》中统称为“动态规划”。（只是方向不一样，在评论区）

动态规划是打表格法，自底向上解决问题，其特点是：每一次遇到大问题的时候，与这个大问题有关的所有小问题都得到了解决。

记忆化搜索是自顶向下解决问题，每一次遇到大问题的时候，与这个大问题有关的小问题未必都得到了解决，但是解决了一个我们就记录一下，以防止以后再遇到同样问题的时候从头开始再计算一次。

我想“自底向上”与“自顶向下”是它们最主要的区别：

1、“自顶向下”是人的视角，我们面对问题的时候，是直接解决问题，遇到一个问题解决一个问题，所以需要记忆，就像我们工作中遇到问题要写个笔记或者博客记录下来一样。

2、“自底向上”有些资料上说是开启了上帝视角，我很认同这种说法。显然动态规划也是用空间换时间，也得记录，从最小的问题开始做，直到解决了最终的大问题。用动态规划我个人觉得比较好的一点是，解决问题的方向比较有规律，因此状态压缩就成为了可能，不像记忆化搜索那样，解决的问题到处跑。

有的资料，例如《算法导论》对它们二者就不区分，都叫动态规划。

参考代码

class Solution {
public:
    bool wordBreak(string str, vector<string>& wordDict) {
        int length = str.length();
        if(length == 0)
            return false;

        unordered_set<string> uset(wordDict.begin(), wordDict.end());
        bool dp[length];
        memset(dp, 0, sizeof(dp));

        if(uset.count(str.substr(0, 1)) > 0)
            dp[0] = true;

        for(int i = 1; i < length; i++){
            if(uset.count(str.substr(0, i+1)) > 0){
                dp[i] = true;
                continue;
            }

            for(int j = 0; j < i; j++){
                if(dp[j] && uset.count(str.substr(j+1, i-j)) > 0){
                    dp[i] = true;
                    break;
                }
            }
        }

        return dp[length - 1];
    }

};