看到这个问题,其实一开始我是想用单纯的逐个单词匹对的方式,也就是通过遍历字符串S,从0开始如果有 s[0~i] contains wordDict里的某个单词,则认为 0 ~ i组成的子串可以拼接出,如果不包含,则通过 0 ~ i-j(j通过循环逐步增加直至到s[0]) + s[j] 查看是否可以独立通过字典中的单词拼接。但是这种做法循环很多次,会有很多重复的计算,时间复杂度高。
为了避免重复的计算,其实我们可以利用动态规划。从问题来看,其实是一个背包问题,s就是需要填充的空间,wordDict就是可以填充的物品,由于没有限制wordDict的使用次数,因此可以看作是完全背包问题。
接下来就是求出dp的转移方程。通过开头所说的,利用数组dp[i] 记录字符串s[i-1]是否可以被拼接,是的话则设为True,省去了多次便利的问题。
如例题所示,dp[0]对应s.subString(0,1)也就是 ‘l’,没找到,则dp[1] = false,如此类推—> dp[2] ‘le’=false,往前 dp[0] && s.subString(1,2) ==false,所以dp[2] == false。
跳过,我们直接看最后为啥返回true呢,虽然dp[8] == fasle,但是这个转移方程是从前往后遍历的,也就是当遍历到dp[4] && s.subString(4,8)的时候,两个子串“leet”,“code”都是为true的,所以dp[8]是为true的。
由此我们也可以列出动态转移方程:
dp[i] = dp[j] && wordDict.contains[ s.subString[j,i]];
整个代码如下:
public static boolean wordBreak(String s, List<String> wordDict) {
HashSet<String> set = new HashSet<>(wordDict);
//获取单词列表最长长度,方便修枝
int maxLen = getMaxLen(wordDict);
//新建一个长度为 n+1 的dp数组---多了一个记录空字符的格子
boolean[] dp = new boolean[s.length() + 1];
//初始化空字符串
dp[0] = true;
//遍历
for (int i = 1; i <= s.length(); i++) {
//遍历dp数组
for (int j = 0; j < i; j++) {
//递推公式
String s1 = s.substring(j, i);
if(s1.length()>maxLen) continue;
//符合字符串条件
if (dp[j] && set.contains(s1)) {
dp[i] = true;
break;
}
}
}
return dp[s.length()];
}
public static int getMaxLen(List<String> wordList){
int max = 0;
for (String s : wordList) {
max = s.length()>max? s.length() : max;
}
return max;
}
}
getMaxLen方法其实是我一个或许当前wordDict里最长单词长度的一个方法,**if(s1.length()>maxLen) continue;**用在这个剪枝的方法里。可以对一些子串超过单词列表最长长度进行跳过,避免无效计算。