代码随想录算法训练营第46天| 139.单词拆分、背包问题总结

139.单词拆分

完成

思路：

本题可以用背包问题的思路解决，单词是物品，字符串是背包，要求物品能否把背包装满。
dp[j] 字符串长度为j时，能否拆分为一个或多个在字典中出现的单词。
递推公式为：if([i, j] 这个区间的子串出现在字典里 && dp[i]是true) 那么 dp[j] = true。
由于本题对装满背包是有顺序要求的，所以是求排列数，要先遍历背包，再遍历物品 。

代码

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        // s是背包，wordDict是物品
        int bagSize = s.length();
        // dp[j] 字符串长度为i时，能否装满物品
        boolean[] dp = new boolean[bagSize+1];
        dp[0] = true; 
        // 遍历背包
        for (int j = 1; j <= bagSize; j++) {
        	// 遍历物品，这里的思路是从字符串里截取字符当成物品，再去判断该物品是否存在
            for (int i = 0; i < j; i++) {
                if(wordDict.contains(s.substring(i, j)) && dp[i]){
                    dp[j] = true;
                }
            }
        }
        return dp[bagSize];
    }
}

背包问题总结

关于背包问题，01背包和完全背包是重点，其他的背包问题了解即可。

在动态规划五部曲中，递推公式和遍历顺序在背包问题中有规律和代表性。

递推公式

问能否能装满背包（或者最多装多少）：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]); ，对应题目如下：

• 动态规划：416.分割等和子集
• 动态规划：1049.最后一块石头的重量 II

问装满背包有几种方法：dp[j] += dp[j - nums[i]] ，对应题目如下：

• 动态规划：494.目标和
• 动态规划：518. 零钱兑换 II
• 动态规划：377.组合总和Ⅳ
• 动态规划：70. 爬楼梯进阶版（完全背包）

问背包装满最大价值：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]); ，对应题目如下：

• 动态规划：474.一和零

问装满背包所有物品的最小个数：dp[j] = min(dp[j - coins[i]] + 1, dp[j]); ，对应题目如下：

• 动态规划：322.零钱兑换
• 动态规划：279.完全平方数

遍历顺序

对于一维的dp数组，01背包问题要先遍历物品再遍历背包，并且遍历背包时要逆序。
对于完全背包，遍历背包时需要正序，求组合数时先遍历物品，求排列数时先遍历背包。