[LeetCode] World Break

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".

这题是经典的dp问题，我之前一直都没搞清楚。今天终于一次写出来accept了。最早使用dfs做的，可想而知，直接超时。

这就像斐波那契数列那样，如果你用递归，大部分时间都在做重复的工作。换成这个题，思路也是一样的，那如何减少工作量？就是把之前算出来的结果cache起来。

dp的逻辑普遍不好想，所以要经常联系如何用dp的角度考虑问题。这种字符类的算法题，一半和dp有关。

思路：将大问题分解成小问题：

比如输入是“abcd” ,字典我们不知道：

我们倒着想，如果abcd是可以break的，根据题意，要么abcd在字典里，要么abcd的两个或者多个部分就在字典里。([a,bcd] or [a,b,cd]之类的情况)

也就是说 abc如果是可以break的，那么如果d在字典里，必然abcd就是break的。如果这一点想通了，下面的推导和分析就是把思路转化为普遍情况的程序的过程。

从最开始遍历到最后，建立一个boolean数组来存结果dp[n+1], n是字符串s的大小。 

我们定义，dp[]的意义在于，dp[i]代表着到第i个substring的时候，是否能分解。

比如说： dp[2] 那就代表 s.substring(0,2)的时候的情况(也就是 "ab"是否可以break)。 dp[0]算是一个base case，因为我们每次都在拿前面的结果来推断现在的情况，那么最开始的时候（“a”）可以使用dp[0]的结果，所以多加一个会方便很多。

为啥要用dp[n+1]，这其实也是方便计算。看别人代码的时候，我就在想，莫非都要多申明一个空间？其实不然，你也可以用dp[n]，但是就是得加点判断，麻烦点。在熟练dp的思路以后，这些细节都可以自己做处理。

最关键的一点就是搞清dp的递推式：dp[i]=?

这个题不难想：根据上面的分析 如果要dp[i]成立

(1)那么要么s.substring(0,i)是在字典里的，比如说abcd, [a,abcd] 

(2)要么存在一个节点 j，使得s.substring(0,j) 是可以break， 而且s.substring(j,i)在字典里. 比如说 abcd [a,b,cd]

那么ab 是可以break的，cd在字典里, dp[i]=true;

你可能会想到，要是多个字符的时候，那怎么判断。我在想dp问题的时候，总会看到各种各样的分支情况，干扰了思维。

其实不用担心，我们从左到右遍历的时候，已经把这个情况调查完了，结果已经存在了dp中。只要任意的dp[k]==true，那就说明s.substring(0,k)必然是可以break的。所以只要存在一个（2）这样的情况，dp[i]=true; 所以dp的好处是不用做重复的工作. 

所以我觉得dp的解法就是 （1）定义数组含义dp[], dp[][]代表什么？（2）分析子问题  (3)推导递推公式  (4)完成for循环 以及具体操作, 计算出dp[i]

下面的代码综合了（1）和（2）的情况：因为dp[0]是true的，那么我们肯定会看一下substring(0,i)是不是在dict里。所以两层for循环， 第二层是为了找出是否存（2）这样的情况使dp[i]=true;

    public boolean wordBreak(String s, Set<String> dict) {
        int n= s.length();
        boolean[] dp=new boolean[n+1];
        dp[0]=true;
        for(int i=1;i<=n;i++){
            for(int j=0;j<=i;j++){
                if(dp[j] && dict.contains(s.substring(j,i))){
                    dp[i]=true;
                }
            }
        }
        return dp[n];
    }