dp[j]:凑足总额为j所需钱币的最少个数为dp[j]
递推公式:dp[j] = min(dp[j - coins[i]] + 1, dp[j]);
考虑到递推公式的特性,dp[j]必须初始化为一个最大的数,否则就会在min(dp[j - coins[i]] + 1, dp[j])比较的过程中被初始值覆盖。所以下标非0的元素都是应该是最大值。
class Solution:
def coinChange(self, coins: List[int], amount: int) -> int:
dp = [float('inf') for _ in range(amount + 1)]
dp[0] = 0 # 初始化背包容量为0时的最小硬币数量为0
for i in range(len(coins)):
for j in range(coins[i], amount + 1):
if dp[j - coins[i]] != float('inf'):
dp[j] = min(dp[j], dp[j - coins[i]] + 1)
if dp[-1] == float('inf'):
return -1
else:
return dp[-1]
dp[j] 可以由dp[j - i * i]推出, dp[j - i * i] + 1 便可以凑成dp[j]。
class Solution:
def numSquares(self, n: int) -> int:
dp = [float('inf') for _ in range(n +1)]
dp[0] = 0
for i in range(1, int(n ** 0.5) + 1):
for j in range(i**2, n + 1):
dp[j] = min(dp[j], dp[j - i**2] + 1)
return dp[-1]
dp[i] : 字符串长度为i的话,dp[i]为true,表示可以拆分为一个或多个在字典中出现的单词。
确定递推公式:
如果确定dp[j] 是true,且 [j, i] 这个区间的子串出现在字典里,那么dp[i]一定是true。(j < i )。
所以递推公式是 if([j, i] 这个区间的子串出现在字典里 && dp[j]是true) 那么 dp[i] = true。
回溯算法:
class Solution:
def backtracking(self, s: str, wordSet: set[str], startIndex: int) -> bool:
# 边界情况:已经遍历到字符串末尾,返回True
if startIndex >= len(s):
return True
# 遍历所有可能的拆分位置
for i in range(startIndex, len(s)):
word = s[startIndex:i + 1] # 截取子串
if word in wordSet and self.backtracking(s, wordSet, i + 1):
# 如果截取的子串在字典中,并且后续部分也可以被拆分成单词,返回True
return True
# 无法进行有效拆分,返回False
return False
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
wordSet = set(wordDict) # 转换为哈希集合,提高查找效率
return self.backtracking(s, wordSet, 0)
dp算法:
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
dp = [False for _ in range(len(s) + 1)] # dp[i] 表示字符串的前 i 个字符是否可以被拆分成单词
wordSet = set(wordDict)
dp[0] = True # 初始状态,空字符串可以被拆分成单词
for i in range(1, len(s) + 1):
for j in range(i): #重点:此题遍历单词(物品)的方法
if dp[j] and s[j:i] in wordSet:
dp[i] = True
break # 此时[0:j] [j:i]都在wordSet中,可以break此层的j循环
return dp[-1]