leetcode题目
palindrome-partitioning-ii
题目描述
* Given a string s, partition s such that
* every substring of the partition is a palindrome.
*
* Return the minimum cuts needed for a palindrome partitioning of s.
*
* For example, given s ="aab",
* Return 1 since the palindrome partitioning ["aa","b"]
* could be produced using 1 cut.
思路
思路1,动态规划(使用一维数组,复杂度高)
* 动态规划问题(一维数组表示,复杂度大)
* dp[i] - 表示子串(0,i)的最小回文切割,则最优解在dp[s.length-1]中。
*
* 分几种情况:
* 1.初始化:当字串s.substring(0,i+1)(包括i位置的字符)是回文时,dp[i] = 0(表示不需要分割);
* 否则,dp[i] = i(表示至多分割i次);
* 2.对于任意大于1的i,如果s.substring(j,i+1)(j<=i,即遍历i之前的每个子串)是回文时,
* dp[i] = min(dp[i], dp[j-1]+1);
* 3.如果s.substring(j,i+1)(j<=i)不是回文时,dp[i] = min(dp[i],dp[j-1]+i+1-j);
思路2,动态规划(使用二维数组,摘自牛客网)
* 动态规划的题,最主要就是写出状态转移方程
* 状态转移,其实就是怎么把一个大的状态表示为两个或者多个已知的状态
* 以此题为例,设f[i][j]为最小的切点数,那么有:
* 1、s[i][j]为回文字符串,则f[i][j] = 0;
* 2、增加一个切点p,将s[i][j]切割为两端s[i][p]、s[p+1][j],则f[i][j] = f[i][p]+f[p+1][j]
* 所谓的状态转移方程就是上面的式子
*
* 接着来看看怎么组织程序,先看看状态转移的思路:
* 以"aab"为例,"aab"明显不是回文串
* 所以 f("aab") = min( (f("a")+f("ab")) , (f("aa")+f("b")) ) + 1;
* f("a") = 0;
* f("ab") = f("a")+f("b") +1 = 0+0+1 = 1;
* f("aa") = 0;
* f("b") = 0;
* 即f("aab") = 1;
*
* 聪慧的你一定能看出来,这是一个递归调用的过程,计算f("ab")需要先计算f("a")、f("b")
* 用递归实现动态规划,在思路上是最简单的,大部分的题目都可以用这种方式解决
*
* 但是有一些数据变态的题目,加上测试机子给的堆栈太小,这种递归的算法很容易就爆栈了
* 我们需要用我们的聪明智慧,把递归的程序写为非递归的。
* 把解题思路从下往上看,假设我们先求出来了f("a"),f("b")
* 那么我们可以求出f("aa"),f("ab")
* 接着我们就可以得出答案f("aab")了
* 在这个过程中,我们需要牺牲空间(f[1000][1000])代替堆栈记录递归调用的返回值
* 而且这种方式有个好处,就是可以减少计算量
* 比如计算f("aab")时需要计算f("aa")+f("b")
* 计算f("ab")事需要计算f("a")+f("b")
* 这里就计算了两次f("b");
* 在第一次计算f("b")之后,将f("b")记录下来,可以减少一次计算量
* 动态规划本质上是暴力搜索,只不过咋这个暴力搜索的过程中,减少了不必要的计算,这样就提升了算法解决问题的速度
* 在一些题目中,你还可以根据题目减少某些分支的计算
* 比如只要判断这个字符串是回文串,就可以直接返回0,不需要一步步计算其中的子序列
代码
package com.leetcode.dyncplanning;
/**
* 题目:
* palindrome-partitioning
*
* 题目描述:
* Given a string s, partition s such that
* every substring of the partition is a palindrome.
*
* Return the minimum cuts needed for a palindrome partitioning of s.
*
* For example, given s ="aab",
* Return 1 since the palindrome partitioning ["aa","b"]
* could be produced using 1 cut.
*/
public class PalindromePartitionII {
/**
* 解题思路:动态规划问题(一维数组表示,复杂度大)
* dp[i] - 表示子串(0,i)的最小回文切割,则最优解在dp[s.length-1]中。
*
* 分几种情况:
* 1.初始化:当字串s.substring(0,i+1)(包括i位置的字符)是回文时,dp[i] = 0(表示不需要分割);否则,dp[i] = i(表示至多分割i次);
* 2.对于任意大于1的i,如果s.substring(j,i+1)(j<=i,即遍历i之前的每个子串)是回文时,dp[i] = min(dp[i], dp[j-1]+1);
* 3.如果s.substring(j,i+1)(j<=i)不是回文时,dp[i] = min(dp[i],dp[j-1]+i+1-j);
*/
public int minCut(String s) {
if (s == null || s.isEmpty()) {
return 0;
}
int len = s.length();
int[] dp = new int[len];
for (int i=0; i<len; i++) {
String str = s.substring(0, i+1);
// 是回文则需要cut 0次,否则初始化为字符串长度
dp[i] = isPalindrome(str) ? 0 : i;
if (dp[i] == 0) {
continue;
}
// 不是回文
for (int j=1; j<=i; j++) {
// j到i+1的子串
String subStr = s.substring(j, i+1);
// 是回文 则dp[j-1]+1即可,不是则dp[j-1]+后面的元素个数
if (isPalindrome(subStr)) {
dp[i] = Math.min(dp[i], dp[j-1] + 1);
} else {
dp[i] = Math.min(dp[i], dp[j-1] + i - j + 1);
}
}
}
return dp[len-1];
}
private boolean isPalindrome(String str) {
return new StringBuilder(str).reverse().toString().equals(str);
}
// 更加快速的大牛的解法, 摘自牛客网
/**
* 动态规划的题,最主要就是写出状态转移方程
* 状态转移,其实就是怎么把一个大的状态表示为两个或者多个已知的状态
* 以此题为例,设f[i][j]为最小的切点数,那么有:
* 1、s[i][j]为回文字符串,则f[i][j] = 0;
* 2、增加一个切点p,将s[i][j]切割为两端s[i][p]、s[p+1][j],则f[i][j] = f[i][p]+f[p+1][j]
* 所谓的状态转移方程就是上面的式子
*
* 接着来看看怎么组织程序,先看看状态转移的思路:
* 以"aab"为例,"aab"明显不是回文串
* 所以 f("aab") = min( (f("a")+f("ab")) , (f("aa")+f("b")) ) + 1;
* f("a") = 0;
* f("ab") = f("a")+f("b") +1 = 0+0+1 = 1;
* f("aa") = 0;
* f("b") = 0;
* 即f("aab") = 1;
*
* 聪慧的你一定能看出来,这是一个递归调用的过程,计算f("ab")需要先计算f("a")、f("b")
* 用递归实现动态规划,在思路上是最简单的,大部分的题目都可以用这种方式解决
*
* 但是有一些数据变态的题目,加上测试机子给的堆栈太小,这种递归的算法很容易就爆栈了
* 我们需要用我们的聪明智慧,把递归的程序写为非递归的。
* 把解题思路从下往上看,假设我们先求出来了f("a"),f("b")
* 那么我们可以求出f("aa"),f("ab")
* 接着我们就可以得出答案f("aab")了
* 在这个过程中,我们需要牺牲空间(f[1000][1000])代替堆栈记录递归调用的返回值
* 而且这种方式有个好处,就是可以减少计算量
* 比如计算f("aab")时需要计算f("aa")+f("b")
* 计算f("ab")事需要计算f("a")+f("b")
* 这里就计算了两次f("b");
* 在第一次计算f("b")之后,将f("b")记录下来,可以减少一次计算量
* 动态规划本质上是暴力搜索,只不过咋这个暴力搜索的过程中,减少了不必要的计算,这样就提升了算法解决问题的速度
* 在一些题目中,你还可以根据题目减少某些分支的计算
* 比如只要判断这个字符串是回文串,就可以直接返回0,不需要一步步计算其中的子序列
*
*/
public static class Solution {
private String s;
private int dp[][];
public int minCut(String s) {
if (s == null || s.isEmpty()) {
return 0;
}
this.s = s;
int len = s.length();
this.dp = new int[len][len];
//先求解小段的子序列
for(int t=0;t<=len;t++){
for(int i=0,j=t;j<len;i++,j++){
dp[i][j] = compCut(i,j);
}
}
return dp[0][s.length()-1];
}
// 状态转移方程的实现
private int compCut(int i,int j) {
if(isPalindrome(i,j)) {
return 0;
}
int min = s.length();
for(int p=i;p<j;p++) {
int a = dp[i][p];
int b = dp[p+1][j];
a = a + b + 1;
min = min<a?min:a;
}
return min;
}
//判断是否回文串
private boolean isPalindrome(int i,int j){
while(i<j) {
if(s.charAt(i) != s.charAt(j))
return false;
i++;
j--;
}
return true;
}
}
public static void main(String[] args) {
String s = "aab";
System.out.println(new PalindromePartitionII().minCut(s));
System.out.println(new PalindromePartitionII.Solution().minCut(s));
}
}