LeetCode刷题笔记 （5）

关于动态规划(Dynamic Programming)

动态规划的基本思想是将一个问题划分为若干个子问题，并且每一个子问题可以用同样的方式递归解决。动态规划与分治算法最大的区别是，动态规划划分的子问题之间不是相互独立的，即可以通过存储中间步骤结果的方法来加快程序的运行速度。

题目：正则表达式匹配

给定一个字符串 (s) 和一个字符模式 (p)。实现支持 '.' 和 '*' 的正则表达式匹配。

'.'  匹配任意单个字符。

'*'  匹配零个或多个前面的元素。

匹配应该覆盖整个字符串 (s) ，而不是部分字符串。

说明:

• s 可能为空，且只包含从 a-z 的小写字母。
• p 可能为空，且只包含从 a-z 的小写字母，以及字符 . 和 *。

 

定义dp(i,j):

使用dp算法计算，dp(i,j)可以表示为：

case1: 

case2: 

case3:  iff p[j-1] == '*' and dp(0,j-2) == 1.(dp(0,1) = false)

如：s = ""，此时p = "a*b"，j = 2，dp(0,2) = true.

dp(0,3) = false，p[2] != '*'

case4: if p[j-1] != '*'

case5: if p[j-1] == '*'

，iff 满足以下条件之一即可：

1. ;
2. ;

如，s = "aab"，p = "c*a*b"，dp(1,1) = false，dp(1,2) = false，

dp(1,4) = true(s[0] = p[2]，dp(0,4) = true)，dp(2,4) = true(s[1] = p[2]，dp(1,4) = true).

又如，s = "c"，p = "c*a*"，dp(1,2) = true，dp(1,4) = true(cause dp(1,2) = true).

 

详细的代码如下所示：

class Solution {
public:
    bool isMatch(string s, string p) {
        int len1 = s.size(), len2 = p.size();
        vector<vector<bool> > dp(len1 + 1, vector<bool>(len2 + 1,0));
        
        //case1
        dp[0][0] = true;
        //case2
        for (int i = 1; i <= len1; i++) 
            dp[i][0] = false;
        //case3
        for (int j = 1; j <= len2; j++)
            dp[0][j] = j > 1 && p[j-1] == '*' && dp[0][j-2]
                
        for (int i = 1; i <= len1; i++)
            for (int j = 1; j <= len2; j++) {
                //case4
                if (p[j-1] != '*') 
                    dp[i][j] = (s[i-1] == p[j-1] || p[j-1] == '.') && dp[i-1][j-1];
                //case5
                else {
                    dp[i][j] = dp[i][j-2] || (s[i-1] == p[j-2] || p[j-2] == '.') && dp[i-1][j];
                }
            }
        
        return dp[len1][len2];
    }
};