动态规划可以说是前一个状态对下一个状态产生影响,判断是否满足你的要求只要看最后一个状态是否符合你的预设状态,符合就是当前动态规划符合你的要求。
示例 1:
输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。
示例 2:输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。
注意,你可以重复使用字典中的单词。
示例 3:输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/word-break
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
第一个方法,动态规划。
动态规划可以考虑到是拿到一手麻将,拿到麻将需要做的就是按照类别分类麻将。
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
n = len(s)
dp = [False] * (n+1)
dp[0] = True
for i in range(n):
for j in range(i+1,n+1):
if (dp[i] and (s[i:j] in wordDict)):
dp[j] = True
return dp[-1]
出现的第一种方法,判断的是利用true确认前i的字符是符合要求的,判断条件前面一个是否为true还有当前切开的内容是否在我的字典里面。
回溯算法就是一种记忆方法,
class Solution:
def wordBreak(self, s: str, wordDict: List[str]) -> bool:
import functools
@functools.lru_cache(None)
def back_track(s):
if(not s):
return True
res=False
for i in range(1,len(s)+1):
if(s[:i] in wordDict):
res=back_track(s[i:]) or res
return res
return back_track(s)
其中的回溯会产生大量的内存消耗,利用lru_cache缓存。