LeetCode 97. Interleaving String 递归/DP

博客围绕判断字符串 s3 是否由 s1 和 s2 交错形成展开。先提出用动态规划解决问题,通过分析 s3 字符来源将问题规模减小。还指出递归版可能无法通过,给出优化方法,如用字符串引用加位置标志避免字符串剪切,用二维记忆数组避免重复求解子问题。

Given s1, s2, s3, find whether s3 is formed by the interleaving of s1 and s2.

Example 1:

Input: s1 = “aabcc”, s2 = “dbbca”, s3 = “aadbbcbcac”
Output: true

Example 2:

Input: s1 = “aabcc”, s2 = “dbbca”, s3 = “aadbbbaccc”
Output: false

分析过程:
    首先看到这个题,暴力什么的就别想了。容易想到的是用动态规划,那么问题来了,如何通过动态规划一步步将问题规模减小?
    根据题意,s3中的每个字符要么来自s1,要么来自s2,知道这个我们就可以将问题规模减小了,s3从最右边开始看(这里从最左边开始也行),最后一个字符要么来自s1(aabcc),要么来自s2(dbbca),示例1中s3(aadbbcbcac)最后的c显然来自s1(aabcc),匹配一个字符后,该问题的解就变成了它的子问题的解,子问题的参数为 s1:aabc,s2:bddca,s3:aadbbcbca这里需要注意如果s1,s2,s3的最后一个字符都相同的情况。这样一步步匹配下去,问题的规模就减小了。知道以上就能写出下面这个递归版:

bool isInterleave(string s1, string s2, string s3) {
	if(s3.size() != s1.size() + s2.size())
		return false;
	
    if(s1.size() == 0)
    	return s2 == s3;
    	
    if(s2.size() == 0)
    	return s1 == s3;
    
    char c1 = s1[s1.size()-1];
    char c2 = s2[s2.size()-1];
    char c3 = s3[s3.size()-1];
    
    // 注意如果两个都能匹配的情况
    if(c3 == c1 && c3 == c2)
    	return isInterleave(s1,s2.substr(0,s2.size()-1),s3.substr(0,s3.size()-1)) || 
			   isInterleave(s1.substr(0,s1.size()-1),s2,s3.substr(0,s3.size()-1)) ;
    if(c3 == c2)
    	return isInterleave(s1,s2.substr(0,s2.size()-1),s3.substr(0,s3.size()-1));
    
    if(c3 == c1)
    	return isInterleave(s1.substr(0,s1.size()-1),s2,s3.substr(0,s3.size()-1));
    
    return false;
}

        但是这样写估计是AC不了的(我没有提交过,有哪位勇士愿意试试也无妨)。
        如何优化?这里是每一步都有字符串剪切并且还递归,相当耗时。

  • 关于字符串剪切:首先想到的就是将参数中的字符串换为字符串引用,并且加上一个位置标志,标识当前想要匹配的子字符串的长度。这样每次传入函数的都是整个字符串的引用,子字符串的长度。
  • 关于递归:使用记忆数组避免相同子问题得重复求解。如何在记忆数组中唯一标识一个子问题,使用三维数组?本题不用。因为本题中如果s1,s2的子串长度已经确定,如果s3的子串的长度不满足s3.len == s1.len + s2.len那可直接返回false,满足条件时再查看记忆数组。这样记忆数组就可以只有二维,即dp[L1][L2]表示子问题s1.substr(0,L1),s2.substr(0,L2),s3.substr(0,L1+L2)的结果。

代码:

Runtime: 4 ms, faster than 98.85%
class Solution {
public:
    vector<vector<int>> dp;
    
    bool helper(string &s1,int L1,string& s2,int L2,string& s3,int L3){
        if(L3 != L1 + L2)
            return 0;

        if(L1 == 0)
            return s2.substr(0,L2) == s3.substr(0,L3);

        if(L2 == 0)
            return s1.substr(0,L1) == s3.substr(0,L3);

        if(dp[L1][L2] != -1)
            return dp[L1][L2];

        char c1 = s1[L1-1];
        char c2 = s2[L2-1];
        char c3 = s3[L3-1];

        if(c3 == c1 && c3 == c2){
            dp[L1][L2-1] = helper(s1,L1,s2,L2-1,s3,L3-1);
            dp[L1-1][L2] = helper(s1,L1-1,s2,L2,s3,L3-1);
            return dp[L1][L2-1] || dp[L1-1][L2];
        }
        if(c3 == c2){
            return dp[L1][L2-1] = helper(s1,L1,s2,L2-1,s3,L3-1);
        }
        if(c3 == c1)
            return dp[L1-1][L2] = helper(s1,L1-1,s2,L2,s3,L3-1);

        return dp[L1][L2] =	0;
    }
    
    bool isInterleave(string s1, string s2, string s3) {
        int n1 = s1.size(),n2 = s2.size(),n3 = s3.size();
        vector<vector<int>> dp1(n1+1,vector<int>(n2+1,-1));
        dp = dp1;
        return helper(s1,s1.size(),s2,s2.size(),s3,s3.size());
    }
};

代码写得不是很优雅,还请各位赐教。

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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