題目
給定一個非空字符串 s 和一個包含非空單詞列表的字典 wordDict,判定 s 是否可以被空格拆分爲一個或多個在字典中出現的單詞。
說明:
拆分時可以重複使用字典中的單詞。
你可以假設字典中沒有重複的單詞。
示例 1:
輸入: s = “leetcode”, wordDict = [“leet”, “code”]
輸出: true
解釋: 返回 true 因爲 “leetcode” 可以被拆分成 “leet code”。
示例 2:
輸入: s = “applepenapple”, wordDict = [“apple”, “pen”]
輸出: true
解釋: 返回 true 因爲 “applepenapple” 可以被拆分成 “apple pen apple”。
注意你可以重複使用字典中的單詞。
示例 3:
輸入: s = “catsandog”, wordDict = [“cats”, “dog”, “sand”, “and”, “cat”]
輸出: false
來源:力扣(LeetCode)
鏈接:https://leetcode-cn.com/problems/word-break。
代碼及分析
方法一:遞歸
這道題目可以採用遞歸的方法進行求解。從字符串的首字符開始,依次向後遍歷,當找到存在於字典當中的單詞時,將其拆分爲單詞+字符串,然後遞歸對所得字符串求解。但是單純這樣去求解會有大量的重複極速三,造成超時的問題,故我們可以加入數組memory來保存已經計算的結果,每次計算前可以看是否存在於memory中,存在則不需要再次計算。 memory[start] 表示字符串 [i, n] 是否可拆分。
wordDict: cat, cats, and, sand, dog
s : catsanddog 長爲10
第一層:
start = 0
i = 1 c
i = 2 ca
i = 3 cat 存在 ③返回1
第二層 :
start = 3
i = 4 s
i = 5 sa
i = 6 san
i = 7 sand 存在 ②返回1
第三層 :
start = 7
i = 8 d
i = 9 do
i = 10 dog 存在 ①返回1
返回結果順序爲①->②->③,最終結果爲true。
class Solution {
public:
bool wordBreak(string s, vector<string>& wordDict) {
if(s.empty())
return true;
if(wordDict.empty())
return false;
int l = s.size();
// 方便後續查看對應單詞在字典中是否存在
set<string> dict(wordDict.begin(),wordDict.end());
vector<int> memory(l,-1);
return fun(s,dict,memory,0);
}
bool fun(string s, set<string> dict, vector<int> &memory, int start)
{
if(start >= s.size())
return true;
if(memory[start] != -1)
return memory[start];
for(int i = start+1; i <= s.size(); i++)
{
if(dict.count(s.substr(start,i-start)) && fun(s,dict,memory,i))
return memory[start] = 1;
}
return memory[start] = 0;
}
};
複雜度:
時間複雜度: O(n^2) 。
空間複雜度: O(n) 。
方法二:動態規劃法
這道題還可以用動態規劃的方法去求解。
首先我們建立一個以爲數組dp,其中dp[i]表示字符串[0,i)是否可以拆分,包含空字符串,故可以初始化dp[0] = true;
我們可以遍歷字符串[0,i),將其分爲兩部分,[0,j) 以及[j, i),故可以得出動態轉移方程爲:
dp[i] = dp[j] && dict.count(s.substr(j,i-j))。
bool wordBreak(string s, vector<string>& wordDict) {
if(s.empty())
return true;
if(wordDict.empty())
return false;
int l = s.size();
set<string> dict(wordDict.begin(),wordDict.end());
vector<int> dp(l+1,0);
dp[0] = 1;
for(int i = 1; i <= l; i++)
{
for(int j = 0; j < i; j++)
{
if(dp[j] && dict.count(s.substr(j,i-j)))
{
dp[i] = 1;
break;
}
}
}
return dp[l];
}
複雜度:
時間複雜度: O(n^2) ;
空間複雜度: O(n) 。
方法三:廣度優先搜索
上述我們採用了遞歸的方法對該問題進行了求解,實際上這就是DFS方法。
那麼同樣BFS應該也是可以求解的。
廣度優先搜索法,也就是我們不會一次性直接遍歷到最底端,而是每一步將整個字符串拆分爲單詞+字符串的形式,然後再繼續對拆分得到的字符串進行判斷(這裏與DFS不同的是,DFS一旦找到一各符合要求的單詞,便對後續的字符串進行求解,而BFS是先將當前可以得到的單詞全部求解出來,然後分別求解各個單詞對應的後續字符串)。建立一個queue,用於保存可拆分的位置。
這裏我們可以建立一個memory數組,用於保存該位置是否拆分過。
舉例說明:
wordDict: cat, cats, and, sand, dog
s : catsanddog 長爲10
第一次循環:
q : 0;
start = 0
i = 1 c
i = 2 ca
i = 3 cat q : 3
i = 4 cats q : 3, 4
i = 5, 6, 7… …
第二次循環:
q : 3, 4
start = 3
i = 4 s
i = 5 sa
i = 6 san
i = 7 sand q : 4, 7
i = 7, 8 … …
第三次循環:
q : 4, 7
start = 4
i = 5 a
i = 6 an
i = 7 and q : 7, 7
i = 8 , 9… …
第四次循環:
q : 7, 7
start = 7
i = 8 d
i = 9 do
i = 10 dog q : 7, 10
這是 i = l,故返回true。
需要注意的一點是,在這個跟例子中如果還沒有到字符串結尾,那麼下一次循環中,start = 7,但顯然這一種情況將會和第四次循環完全相同,屬於重複計算,數組memory便是爲了解決這個問題而存在的,我們將每一次拆分位置保存在memory當中,在每一次循環初,我們要首先判斷該位置是否已經被處理過。
其廣度搜索示意圖如下:
bool wordBreak(string s, vector<string>& wordDict) {
if(s.empty())
return true;
if(wordDict.empty())
return false;
int l = s.size();
set<string> dict(wordDict.begin(),wordDict.end());
queue<int> q;
q.push(0);
vector<int> memory(l,0);
while(!q.empty())
{
int start = q.front();
q.pop();
if(memory[start])
continue;
for(int i = start+1; i <= l; i++)
{
if(dict.count(s.substr(start,i-start)))
{
q.push(i);
if(i == l)
return true;
}
}
memory[start] = 1;
}
return false;
}
複雜度:
時間複雜度: O(n^2) ;
空間複雜度: O(n) 。