单词拆分

方法 1:暴力
算法
最简单的实现方法是用递归和回溯。为了找到解,我们可以检查字典单词中每一个单词的可能前缀,如果在字典中出现过,那么去掉这个前缀后剩余部分回归调用。同时,如果某次函数调用中发现整个字符串都已经被拆分且在字典中出现过了,函数就返回 true 。

public boolean wordBreak(String s, List<String> wordDict) {
        return word_Break(s, new HashSet(wordDict), 0);
    }
    public boolean word_Break(String s, Set<String> wordDict, int start) {
        if (start == s.length()) {
            return true;
        }
        for (int end = start + 1; end <= s.length(); end++) {
            if (wordDict.contains(s.substring(start, end)) && word_Break(s, wordDict, end)) {
                return true;
            }
        }
        return false;
    }

方法 2:记忆化回溯
算法

在先前的方法中,我们看到许多函数调用都是冗余的,也就是我们会对相同的字符串调用多次回溯函数。为了避免这种情况,我们可以使用记忆化的方法,其中一个 memomemo 数组会被用来保存子问题的结果。每当访问到已经访问过的后缀串,直接用 memomemo 数组中的值返回而不需要继续调用函数。

通过记忆化,许多冗余的子问题可以极大被优化,回溯树得到了剪枝,因此极大减小了时间复杂度。

public boolean wordBreak(String s, List<String> wordDict) {
        return word_Break(s, new HashSet(wordDict), 0, new Boolean[s.length()]);
    }
    public boolean word_Break(String s, Set<String> wordDict, int start, Boolean[] memo) {
        if (start == s.length()) {
            return true;
        }
        if (memo[start] != null) {
            return memo[start];
        }
        for (int end = start + 1; end <= s.length(); end++) {
            if (wordDict.contains(s.substring(start, end)) && word_Break(s, wordDict, end, memo)) {
                return memo[start] = true;
            }
        }
        return memo[start] = false;
    }
方法 3:使用动态规划

算法

这个方法的想法是对于给定的字符串(s)可以被拆分成子问题 s1 和 s2 。如果这些子问题都可以独立地被拆分成符合要求的子问题,那么整个问题 s 也可以满足。也就是,如果 "catsanddog" 可以拆分成两个子字符串 "catsand" 和 "dog" 。子问题 "catsand" 可以进一步拆分成 "cats" 和 "and" ,这两个独立的部分都是字典的一部分,所以 "catsand" 满足题意条件,再往前, "catsand" 和 "}dog" 也分别满足条件,所以整个字符串 "catsanddog" 也满足条件。

现在,我们考虑 dp 数组求解的过程。我们使用 n+1大小数组的dp ,其中 n 是给定字符串的长度。我们也使用 2 个下标指针 i 和 j ,其中 i 是当前字符串从头开始的子字符串(s')的长度, j 是当前子字符串(s')的拆分位置,拆分成 s'(0,j)和 s'(j+1,i)

为了求出 \text{dp}dp 数组,我们初始化dp[0] 为true ,这是因为空字符串总是字典的一部分。 dp 数组剩余的元素都初始化为 false

我们用下标 i 来考虑所有从当前字符串开始的可能的子字符串。对于每一个子字符串,我们通过下标 j 将它拆分成 s1' 和 s2' (注意 i 现在指向 s2' 的结尾)。为了将dp[i] 数组求出来,我们依次检查每个 dp[j] 是否为 true,也就是子字符串 s1' 是否满足题目要求。如果满足,我们接下来检查 s2' 是否在字典中。如果包含,我们接下来检查 s2' 是否在字典中,如果两个字符串都满足要求,我们让 dp[i] 为 true ,否则令其为false

public boolean wordBreak(String s, List<String> wordDict) {
        Set<String> wordDictSet=new HashSet(wordDict);
        boolean[] dp = new boolean[s.length() + 1];
        dp[0] = true;
        for (int i = 1; i <= s.length(); i++) {
            for (int j = 0; j < i; j++) {
                if (dp[j] && wordDictSet.contains(s.substring(j, i))) {
                    dp[i] = true;
                    break;
                }
            }
        }
        return dp[s.length()];
    }

 

转载于:https://www.cnblogs.com/du001011/p/11259100.html

### 使用动态规划解决单词拆分问题 #### 动态规划的核心概念 动态规划是一种通过分解复杂问题为更简单的问题来解决问题的方法[^2]。如果一个问题可以通过将其划分为多个问题,并且这些问题可以被独立求解,则该问题具有最优结构性质。 #### 单词拆分问题描述 给定一个字符串 `s` 和一个字典 `wordDict`,判断是否可以用字典中的单词拼接输入字符串 `s`。此问题是典型的动态规划应用之一[^3]。 #### 解决方案设计 解决方案基于布尔数组 `dp` 的构建,其中 `dp[i]` 表示字符串 `s` 的前 `i` 个字符能否由字典中的单词。初始条件设置为 `dp[0] = true`,因为长度为零的字符串总是可组的。 以下是具体实现: ```java public boolean wordBreak(String s, List<String> wordDict) { Set<String> dict = new HashSet<>(wordDict); boolean[] dp = new boolean[s.length() + 1]; dp[0] = true; for (int i = 1; i <= s.length(); i++) { for (int j = 0; j < i; j++) { if (dp[j] && dict.contains(s.substring(j, i))) { dp[i] = true; break; } } } return dp[s.length()]; } ``` 上述代码中,外层循环遍历字符串的所有可能分割位置 `i`,内层循环尝试找到最后一个能够功匹配的位置 `j`。当发现从 `j` 到 `i` 的串存在于字典中时,标记 `dp[i]` 为真。 #### 扩展到返回所有可能句的情况 除了简单地验证是否存在一种有效的拆分方式之外,还可以扩展算法以返回所有的有效拆分组合。这通常涉及回溯法动态规划相结合的技术[^4]。 下面展示了一个用于生所有合法句的 Java 实现: ```java import java.util.*; public class Solution { public List<String> wordBreak(String s, List<String> wordDict) { Map<Integer, List<String>> memo = new HashMap<>(); Set<String> set = new HashSet<>(wordDict); return backtrack(0, s, set, memo); } private List<String> backtrack(int start, String s, Set<String> set, Map<Integer, List<String>> memo){ if(memo.containsKey(start)){ return memo.get(start); } List<String> res = new ArrayList<>(); if(start == s.length()){ res.add(""); } for(int end=start+1;end<=s.length();end++){ if(set.contains(s.substring(start,end))){ List<String> temp = backtrack(end,s,set,memo); for(String t : temp){ res.add(s.substring(start,end)+(t.equals("")?"":" "+t)); } } } memo.put(start,res); return res; } } ``` 在此版本中引入了记忆化存储结构 (`memo`) 来保存已经计算过的中间结果,从而减少冗余运算并提高效率。 #### 性能优化建议 为了进一步提升性能,在实际编码过程中应考虑以下几点: - **预处理字典**:将列表形式的字典转换为集合类型以便快速查找。 - **剪枝操作**:尽早终止不可能功的分支路径。 以上方法均有助于加快程序运行速度以及降低空间消耗[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值