单词拆分(Java)

本文介绍了一种解决LeetCode139题目——单词拆分问题的方法。通过使用动态规划和HashSet数据结构,算法能高效地判断一个字符串是否能由字典中的单词完全拆分。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

package leetCoder;

import java.util.HashSet;
import java.util.List;
import java.util.Set;

/**
 * @author : zhaoliang
 * @program :newCoder
 * @description : 单词拆分
 * @create : 2020/06/30 09:55
 */
public class LeetCode139 {
    //给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict,判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。
    public boolean wordBreak(String s, List<String> wordDict){
     Set<String> set = 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] && wordDict.contains(s.substring(j,i))){
                    dp[i] =true;
                    break;
                }
            }
        }
        return dp[s.length()];
    }
}

### 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子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子问题,并且这些子问题可以被独立求解,则该问题具有最优子结构性质。 #### 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成输入字符串 `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组成。初始条件设置为 `dp[0] = true`,因为长度为零的字符串总是可组成的。 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成功匹配的位置 `j`。当发现从 `j` 到 `i` 的子串存在于字典中时,标记 `dp[i]` 为真。 #### 扩展到返回所有可能句子的情况 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。这通常涉及回溯法与动态规划相结合的技术[^4]。 下面展示了一个用于生成所有合法句子的 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**:尽早终止不可能成功的分支路径。 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