LeetCode题练习与总结：解码方法--91

一、题目描述

一条包含字母 A-Z 的消息通过以下映射进行了 编码 ：

'A' -> "1"
'B' -> "2"
...
'Z' -> "26"

要 解码 已编码的消息，所有数字必须基于上述映射的方法，反向映射回字母（可能有多种方法）。例如，"11106" 可以映射为：

• "AAJF" ，将消息分组为 (1 1 10 6)
• "KJF" ，将消息分组为 (11 10 6)

注意，消息不能分组为  (1 11 06) ，因为 "06" 不能映射为 "F" ，这是由于 "6" 和 "06" 在映射中并不等价。

给你一个只含数字的 非空 字符串 s ，请计算并返回 解码 方法的 总数 。

题目数据保证答案肯定是一个 32 位 的整数。

示例 1：

输入：s = "12"
输出：2
解释：它可以解码为 "AB"（1 2）或者 "L"（12）。

示例 2：

输入：s = "226"
输出：3
解释：它可以解码为 "BZ" (2 26), "VF" (22 6), 或者 "BBF" (2 2 6) 。

示例 3：

输入：s = "06"
输出：0
解释："06" 无法映射到 "F" ，因为存在前导零（"6" 和 "06" 并不等价）。

提示：

• 1 <= s.length <= 100
• s 只包含数字，并且可能包含前导零。

二、解题思路

这个问题是一个典型的动态规划问题。我们可以使用一个动态规划数组 dp，其中 dp[i] 表示字符串 s 的前 i 个字符 s[0…i-1] 的解码方法数。我们需要填充这个数组，并返回 dp[s.length()]。

为了填充 dp 数组，我们需要考虑以下几种情况：

1. 如果 s[i] != ‘0’，那么 s[i] 可以单独解码，因此 dp[i] = dp[i-1]。
2. 如果 s[i-1]s[i] 在 10 到 26 之间，那么 s[i-1]s[i] 可以一起解码，因此 dp[i] += dp[i-2]。
3. 如果 s[i] == ‘0’，那么 s[i] 不能单独解码，此时如果 s[i-1]s[i] 不在 10 到 26 之间，那么字符串 s 无法解码，返回 0。

三、具体代码

class Solution {
    public int numDecodings(String s) {
        if (s == null || s.length() == 0) {
            return 0;
        }
        int n = s.length();
        int[] dp = new int[n + 1];
        dp[0] = 1;
        for (int i = 1; i <= n; i++) {
            if (s.charAt(i - 1) != '0') {
                dp[i] = dp[i - 1];
            }
            if (i > 1 && (s.charAt(i - 2) == '1' || (s.charAt(i - 2) == '2' && s.charAt(i - 1) <= '6'))) {
                dp[i] += dp[i - 2];
            }
        }
        return dp[n];
    }
}

四、时间复杂度和空间复杂度

1. 时间复杂度

• 我们有一个循环，它遍历字符串 s 一次。这个循环的次数是字符串的长度 n。
• 在循环内部，我们执行了常数时间的操作，比如字符比较和数组访问。这些操作的时间复杂度都是 O(1)。
• 因此，总的时间复杂度是 O(n)，因为循环的次数与字符串的长度成正比。

2. 空间复杂度

• 我们使用了一个数组 dp 来存储动态规划的状态。这个数组的大小是 n+1，其中 n 是字符串 s 的长度。
• 除了 dp 数组之外，我们没有使用额外的空间。因此，空间复杂度主要取决于 dp 数组的大小。
• 因此，总的空间复杂度是 O(n)，因为数组 dp 的大小与字符串的长度成正比。

综上所述，代码的时间复杂度是 O(n)，空间复杂度也是 O(n)。

五、总结知识点

1. 动态规划：这是一种用于解决优化问题的算法思想，它将问题分解为相互重叠的子问题，并通过求解子问题来构建原问题的解。在这个问题中，我们使用动态规划来计算字符串的不同解码方式。

2. 字符串操作：代码中使用了 String 类的 charAt 方法来获取字符串中特定位置的字符。

3. 数组操作：代码中使用了一个一维数组 dp 来存储子问题的解，这是动态规划中常用的数据结构。

4. 边界条件处理：代码首先检查输入字符串是否为 null 或长度为 0，这些都是特殊情况，需要特别处理。

5. 迭代：代码中使用了一个 for 循环来迭代字符串的每个字符，并填充动态规划数组。

6. 条件判断：在 for 循环中，使用了 if 语句来判断当前字符是否为 ‘0’，以及前两个字符是否可以组成一个有效的解码。

7. 数学运算：代码中使用了基本的数学运算来更新动态规划数组的值。

8. 函数定义和返回值：代码定义了一个名为 numDecodings 的函数，它接受一个字符串作为输入，并返回一个整数作为输出，表示解码方法的总数。

9. 动态规划数组的初始化：动态规划数组 dp 的第一个元素 dp[0] 被初始化为 1，这表示空字符串有一种解码方法。

10. 状态转移方程：动态规划的核心是状态转移方程，它描述了如何从已知的子问题解来构建更大问题的解。在这个问题中，状态转移方程是根据当前字符和前一个字符来更新的。

以上就是解决这个问题的详细步骤，希望能够为各位提供启发和帮助。