leetcod题:139. 单词拆分(中等)

本文介绍了一种使用动态规划解决单词拆分问题的方法。通过构建dp数组,判定给定字符串能否由字典中的单词组合而成。文章详细阐述了动态规划的具体步骤,并提供了完整的C++实现代码。

一、题目描述:139. 单词拆分(中等)

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。

说明:

拆分时可以重复使用字典中的单词。
你可以假设字典中没有重复的单词。
示例 1:

输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以被拆分成 "leet code"。
示例 2:

输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以被拆分成 "apple pen apple"。
     注意你可以重复使用字典中的单词。
示例 3:

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/word-break
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

二、解题思路

1、使用动态规划,dp[i]记录0~i的字符子串是否能被空格拆分成词典中存在一个或者多个的单词。

2、dp数组长度等于原始字符串长度,所有单位初始化为0

3、动态方程

如果j == 0 则,dp[i] == is_in_dict,这里is_in_dict表示j~i之间的字符子串是否存在词典中。

如果j>0则,dp[i]  = dp[j-1] && is_in_dict

4、根据动态方程,遍历元素字符串i,同时对每个i以 j=i倒序遍历,计算dp[i] = dp[j-1] && is_in_dict ,其中is_in_dict的计算就是判断s.substr(j,i-j+1)是否在词典中存在。

 

三、代码

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        int len = s.size();
        set<string> wordSet;
        for(auto it = wordDict.begin();it != wordDict.end();it++)
        {
            wordSet.insert(*it);
        }
        if(len == 1)
        {
            if (wordSet.find(s) != wordSet.end())
                return true;
            else
                return false;
        }
        vector<int> dp(len,0);
        dp[0] = 0;
 
        for (int i = 0;i<len;i++)
        {
            for(int j = i;j>=0;j--)
            {
                string tmp = s.substr(j,i-j+1);
                

            
                auto it = wordSet.find(tmp);
                if (it != wordSet.end())
                {
                    /*
                cout<<"tmp:"<<tmp<<endl;
                cout<<"j="<<j<<endl;
                cout<<"i="<<i<<endl;
                */
                    if(j == 0)
                    {
                        dp[i] = 1;
                        continue;
                    }
                    if(dp[j-1] == 1)
                    {
                        dp[i] = dp[j-1];

                    break;
                    }

               // cout<<"dp[j]="<<dp[j-1]<<endl;
               // cout<<"********************"<<endl;
                    
                }

            }
        }
       // printt(dp);
        return dp[len-1];
    }
    void printt(vector<int> & dp)
    {
        cout<<"print:";
        for(int i = 0; i<dp.size();i++)
        {
            cout<<dp[i];
        }
        cout<<endl;
    }
};

 

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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