3.单词拆分

 

 

要解决这个问题，可以使用动态规划的思路。具体来说，我们定义一个布尔数组 `dp`，其中 `dpi` 表示字符串 `s` 的前 `i` 个字符是否可以通过字典中的单词拼接而成。以下是详细的实现思路和代码：

 

---

 

 解题思路

1. 动态规划定义  

   用 `dpi` 表示 `s` 的前 `i` 个字符（即 `s0..i-1`）能否被字典中的单词拼接。初始时，`dp0 = true`（空字符串默认合法）。

 

2. 状态转移  

   对于每个位置 `i`，遍历所有可能的分割点 `j`（`0 ≤ j < i`）。若 `dpj` 为 `true`（即前 `j` 个字符已合法），且子串 `sj..i-1` 存在于字典中，则 `dpi` 设为 `true`。

 

3. 优化查询效率  

   将字典转换为哈希集合 `unordered_set`，使单词查询的时间复杂度降为 `O(1)`。

 

4. 遍历顺序  

   外层遍历 `i` 从 `1` 到 `s.length()`，内层遍历 `j` 从 `0` 到 `i-1`。当找到合法的分割点时，可提前终止内层循环。

 

---

 

 代码实现

cpp

include <vector>

include <unordered_set>

include <string>

 

using namespace std;

 

class Solution {

public:

    bool wordBreak(string s, vector<string>& wordDict) {

        unordered_set<string> dict(wordDict.begin(), wordDict.end());

        int n = s.size();

        vector<bool> dp(n + 1, false);

        dp0 = true; // 空字符串初始为true

 

        for (int i = 1; i <= n; ++i) {

            for (int j = 0; j < i; ++j) {

                if (dpj && dict.count(s.substr(j, i - j))) {

                    dpi = true;

                    break; // 找到一个合法分割即可终止内层循环

                }

            }

        }

        return dpn;

    }

};

 

---

 

 关键点分析

1. 动态规划数组初始化  

   空字符串的合法性是递推的基础，因此 `dp0` 必须初始化为 `true`。

 

2. 子串查询优化  

   使用 `unordered_set` 存储字典，查询时间复杂度为 `O(1)`，显著提升效率。

 

3. 提前终止内层循环  

   一旦找到合法的分割点 `j`，即可标记 `dpi` 为 `true` 并跳出内层循环，减少不必要的计算。

 

---

 

 复杂度分析

- 时间复杂度：`O(n^2)`，其中 `n` 是字符串 `s` 的长度。两层循环最坏情况下需要遍历所有可能的分割点。

- 空间复杂度：`O(n + m)`，`n` 是 `dp` 数组的大小，`m` 是字典中单词的数量（哈希集合的空间开销）。

 

---

 

 示例验证

以输入 `s = "leetcode", wordDict = "leet", "code"` 为例：

1. `i=4` 时，`j=0`，子串 `"leet"` 在字典中，`dp4` 设为 `true`。

2. `i=8` 时，`j=4`，子串 `"code"` 在字典中，`dp8` 设为 `true`，最终返回 `true`。

 

此方法通过动态规划高效地解决了字符串拼接问题，适用于字典单词可重复使用的情况。