力扣 139. 单词拆分-Toy模板网

这篇具有很好参考价值的文章主要介绍了力扣 139. 单词拆分。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、题目描述

给你一个字符串 s 和一个字符串列表 word_dict 作为字典。请你判断是否可以利用字典中出现的单词拼接出 s。

注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

示例 1：
输入: s = "leetcode", wordDict = ["leet", "code"]
输出: true
解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。

示例 2：
输入: s = "applepenapple", wordDict = ["apple", "pen"]
输出: true
解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。

示例 3：
输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]
输出: false

二、题解

通过回溯法进行暴力求解，时间复杂度 $\times 2^n)$ ，空间复杂度 $O (n)$ ：

class Solution {
public:
    bool wordBreak(string s, vector<string> &word_dict) {
        unordered_set<string> word_set(word_dict.begin(), word_dict.end());

        return backtracking(s, word_set, 0);
    }

private:
    bool backtracking(string &s, unordered_set<string> &word_set, int begin_index) {
        if (begin_index == s.size()) {
            return true;
        }

        for (int i = begin_index; i < s.size(); i++) {
            string temp = s.substr(begin_index, i - begin_index + 1);
            if (word_set.find(temp) != word_set.end()) {
                /* temp在字典中存在 */
                if (backtracking(s, word_set, i + 1)) {
                    /* 拼接成功 */
                    return true;
                }
            }
        }

        return false;
    }
};

上述方法在递归的过程中有很多重复计算，可以使用数组保存一下递归过程中计算的结果，虽然时间复杂度和空间复杂度没有改变，但是进行了大量剪枝，从而实现了优化。

通过回溯法进行记忆化递归求解，时间复杂度 $\times 2^n)$ ，空间复杂度 $O (n)$ ：

class Solution {
public:
    bool wordBreak(string s, vector<string> &word_dict) {
        unordered_set<string> word_set(word_dict.begin(), word_dict.end());
        vector<bool> valid_tag(s.size(), true); // true表示初始值，false表示从当前下标开始无法完成拼接

        return backtracking(s, word_set, valid_tag, 0);
    }

private:
    bool backtracking(string &s, unordered_set<string> &word_set, vector<bool> &valid_tag, int begin_index) {
        if (begin_index == s.size()) {
            return true;
        }

        /* 之前已经处理过从begin_index开始的拼接了，并且最终无法完成拼接 */
        if(!valid_tag.at(begin_index)) {
            return false;
        }

        for (int i = begin_index; i < s.size(); i++) {
            string temp = s.substr(begin_index, i - begin_index + 1);
            if (word_set.find(temp) != word_set.end()) {
                /* temp在字典中存在 */
                if (backtracking(s, word_set, valid_tag, i + 1)) {
                    /* 拼接成功 */
                    return true;
                }
            }
        }

        /* 从begin_index开始无法完成拼接 */
        valid_tag.at(begin_index) = false;

        return false;
    }
};

通过动态规划求解，由于二层循环里面对word_set的 find() 操作本质也是遍历，因此时间复杂度 $O(n^3)$ ，空间复杂度 $O (n)$ ：

class Solution {
public:
    bool wordBreak(string s, vector<string> &wordDict) {
        unordered_set<string> word_set(wordDict.begin(), wordDict.end());
        vector<bool> dp(s.size(), false); // dp[i]为true表示字符串s[0:i]可以被成功拼接

        /* 根据s.at(0)能否被拼接初始化动态规划数组 */
        if (word_set.find(s.substr(0, 1)) != word_set.end()) {
            dp.at(0) = true;
        }

        /* 从左向右递推 */
        for (int i = 1; i < s.size(); i++) {
            /* 如果s[0:i]本身就在字典中，直接continue */
            if (word_set.find(s.substr(0, i + 1)) != word_set.end()) {
                dp.at(i) = true;
                continue;
            }

            /* 依次判断s[0:j-1]和s[j:i]的状态 */
            for (int j = 1; j <= i; j++) {
                if (word_set.find(s.substr(j, i - j + 1)) != word_set.end() && dp.at(j - 1)) {
                    dp.at(i) = true;
                    continue;
                }
            }
        }

        return dp.at(dp.size() - 1);
    }
};