139.单词拆分
给定一个非空字符串 s 和一个包含非空单词的列表 wordDict,判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。
说明:
拆分时可以重复使用字典中的单词。
你可以假设字典中没有重复的单词。
示例 1:
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
如果将字符串S看做背包,将非空单词列表wordDict中的每个字符串看做物品,且每件物品可以无限次使用,那么本题就可以看做是一个完全背包问题。可采用动态规划完全背包问题的求解方法。
确定dp数组及其含义
dp[j] : 表示长度为j的字符串可以由非空列表中的若干个子串组成。即dp[j] = true。
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: if [j,i] 包含在wordDict中&&dp[j] = true,那么dp[i] = true。
初始化
因为题目规定了非0子串,所以dp[0] 实际没有意义,但为了推导后续的dp[j],需要赋予
dp[0] = true
确定遍历顺序
由于不同的子串按照不同的顺序组合形成的字符串不同,所以需要考虑元素顺序对结果的影响,也就是说是排列问题。排列问题可先遍历背包再遍历物品。
代码示例-java
class Solution {
public boolean wordBreak(String s, List<String> wordDict) {
// 可以将list转换为set(默认无重复元素),在查找元素时提高效率
HashSet<String> set = new HashSet<>(wordDict);
// 定义dp数组
boolean[] dp = new boolean[s.length()+1];
// 初始化
dp[0] = true;
// 遍历:先遍历背包后遍历物品
for(int i = 1;i<dp.length;i++){
for(int j=0;j<i&&!dp[i];j++){
if(set.contains(s.substring(j,i))&&dp[j]){
dp[i] = true;
}
}
}
return dp[s.length()];
}
}
多重背包
有N种物品和一个容量为V 的背包。第i种物品最多有Mi件可用,每件耗费的空间是Ci ,价值是Wi 。求解将哪些物品装入背包可使这些物品的耗费的空间 总和不超过背包容量,且价值总和最大。
多重背包和01背包是非常像的, 为什么和01背包像呢?
每件物品最多有Mi件可用,把Mi件摊开,其实就是一个01背包问题了。
例如:
背包最大重量为10。
问背包能背的物品最大价值是多少?
物品为:
重量 | 价值 | 数量 | |
物品0 | 1 | 15 | 2 |
物品1 | 3 | 20 | 3 |
物品2 | 4 | 30 | 2 |
将物品摊开就变成如下:
重量 | 价值 | 数量 | |
物品0 | 1 | 15 | 1 |
物品0 | 1 | 15 | 1 |
物品1 | 3 | 20 | 1 |
物品1 | 3 | 20 | 1 |
物品1 | 3 | 20 | 1 |
物品2 | 4 | 30 | 1 |
物品2 | 4 | 30 | 1 |
毫无区别,这就转成了一个01背包问题了,且每个物品只用一次
代码参考-java
实现方式一:将物品摊开变成01背包
public void testMultiPack1(){
// 版本一:改变物品数量为01背包格式
List<Integer> weight = new ArrayList<>(Arrays.asList(1, 3, 4));
List<Integer> value = new ArrayList<>(Arrays.asList(15, 20, 30));
List<Integer> nums = new ArrayList<>(Arrays.asList(2, 3, 2));
int bagWeight = 10;
for (int i = 0; i < nums.size(); i++) {
while (nums.get(i) > 1) { // 把物品展开为i
weight.add(weight.get(i));
value.add(value.get(i));
nums.set(i, nums.get(i) - 1);
}
}
int[] dp = new int[bagWeight + 1];
for(int i = 0; i < weight.size(); i++) { // 遍历物品
for(int j = bagWeight; j >= weight.get(i); j--) { // 遍历背包容量
dp[j] = Math.max(dp[j], dp[j - weight.get(i)] + value.get(i));
}
System.out.println(Arrays.toString(dp));
}
}
时间复杂度:O(m × n × k),m:物品种类个数,n背包容量,k单类物品数量
实现方式二:把每种商品遍历的个数放在01背包里面在遍历一遍。
public void testMultiPack2(){
// 版本二:改变遍历个数
int[] weight = new int[] {1, 3, 4};
int[] value = new int[] {15, 20, 30};
int[] nums = new int[] {2, 3, 2};
int bagWeight = 10;
int[] dp = new int[bagWeight + 1];
for(int i = 0; i < weight.length; i++) { // 遍历物品
for(int j = bagWeight; j >= weight[i]; j--) { // 遍历背包容量
// 以上为01背包,然后加一个遍历个数
for (int k = 1; k <= nums[i] && (j - k * weight[i]) >= 0; k++) { // 遍历个数
dp[j] = Math.max(dp[j], dp[j - k * weight[i]] + k * value[i]);
}
System.out.println(Arrays.toString(dp));
}
}
}
时间复杂度:O(m × n × k),m:物品种类个数,n背包容量,k单类物品数量