图解经典区间 DP 问题(含「记忆化搜索」解决方案)|Java 刷题打卡

简介: 图解经典区间 DP 问题(含「记忆化搜索」解决方案)|Java 刷题打卡

题目描述



这是 LeetCode 上的 87. 扰乱字符串 ,难度为 困难


Tag : 「DFS」、「记忆化搜索」、「区间 DP」


使用下面描述的算法可以扰乱字符串 s 得到字符串 t :


  1. 如果字符串的长度为 1 ,算法停止
  2. 如果字符串的长度 > 1 ,执行下述步骤:
  • 在一个随机下标处将字符串分割成两个非空的子字符串。即,如果已知字符串 s ,则可以将其分成两个子字符串 x 和 y ,且满足 s = x + y 。
  • 随机 决定是要「交换两个子字符串」还是要「保持这两个子字符串的顺序不变」。即,在执行这一步骤之后,s 可能是 s = x + y 或者 s = y + x 。
  • 在 x 和 y 这两个子字符串上继续从步骤 1 开始递归执行此算法。


给你两个 长度相等 的字符串 s1 和 s2,判断 s2 是否是 s1 的扰乱字符串。如果是,返回 true ;否则,返回 false 。


示例 1:


输入:s1 = "great", s2 = "rgeat"
输出:true
解释:s1 上可能发生的一种情形是:
"great" --> "gr/eat" // 在一个随机下标处分割得到两个子字符串
"gr/eat" --> "gr/eat" // 随机决定:「保持这两个子字符串的顺序不变」
"gr/eat" --> "g/r / e/at" // 在子字符串上递归执行此算法。两个子字符串分别在随机下标处进行一轮分割
"g/r / e/at" --> "r/g / e/at" // 随机决定:第一组「交换两个子字符串」,第二组「保持这两个子字符串的顺序不变」
"r/g / e/at" --> "r/g / e/ a/t" // 继续递归执行此算法,将 "at" 分割得到 "a/t"
"r/g / e/ a/t" --> "r/g / e/ a/t" // 随机决定:「保持这两个子字符串的顺序不变」
算法终止,结果字符串和 s2 相同,都是 "rgeat"
这是一种能够扰乱 s1 得到 s2 的情形,可以认为 s2 是 s1 的扰乱字符串,返回 true
复制代码


示例 2:


输入:s1 = "abcde", s2 = "caebd"
输出:false
复制代码


示例 3:


输入:s1 = "a", s2 = "a"
输出:true
复制代码


提示:


s1.length == s2.length 1 <= s1.length <= 30 s1 和 s2 由小写英文字母组成


朴素解法(TLE)



一个朴素的做法根据「扰乱字符串」的生成规则进行判断。


由于题目说了整个生成「扰乱字符串」的过程是通过「递归」来进行。


我们要实现 isScrambleisScrambleisScramble 函数的作用是判断 s1s1s1 是否可以生成出 s2s2s2


这样判断的过程,同样我们可以使用「递归」来做:


假设 s1s1s1 的长度为 nnn, 的第一次分割的分割点为 iii,那么 s1s1s1 会被分成 [0,i)[0, i)[0,i)[i,n)[i, n)[i,n) 两部分。


同时由于生成「扰乱字符串」时,可以选交换也可以选不交换。因此我们的 s2s2s2 会有两种可能性:


网络异常,图片无法展示
|


因为对于某个确定的分割点,s1s1s1 固定分为两部分,分别为 [0,i)[0,i)[0,i) & [i,n)[i, n)[i,n)


s2s2s2 可能会有两种分割方式,分别 [0,i)[0,i)[0,i) & [i,n)[i,n)[i,n)[0,n−i)[0, n-i)[0,ni) & [n−i,n)[n-i,n)[ni,n)


我们只需要递归调用 isScrambleisScrambleisScramble 检查 s1s1s1[0,i)[0,i)[0,i) & [i,n)[i, n)[i,n) 部分能否与 「s2s2s2[0,i)[0,i)[0,i) & [i,n)[i,n)[i,n)」 或者 「s2s2s2[0,n−i)[0, n-i)[0,ni) & [n−i,n)[n-i,n)[ni,n)」 匹配即可。


同时,我们将「s1s1s1s2s2s2 相等」和「s1s1s1s2s2s2 词频不同」作为「递归」出口。


理解这套做法十分重要,后续的解法都是基于此解法演变过来。


代码:


class Solution {
    public boolean isScramble(String s1, String s2) {
        if (s1.equals(s2)) return true;
        if (!check(s1, s2)) return false;
        int n = s1.length();
        for (int i = 1; i < n; i++) {
            // s1 的 [0,i) 和 [i,n)
            String a = s1.substring(0, i), b = s1.substring(i);
            // s2 的 [0,i) 和 [i,n)
            String c = s2.substring(0, i), d = s2.substring(i);
            if (isScramble(a, c) && isScramble(b, d)) return true;
            // s2 的 [0,n-i) 和 [n-i,n)
            String e = s2.substring(0, n - i), f = s2.substring(n - i);
            if (isScramble(a, f) && isScramble(b, e)) return true;
        }
        return false;
    }
    // 检查 s1 和 s2 词频是否相同
    boolean check(String s1, String s2) {
        if (s1.length() != s2.length()) return false;
        int n = s1.length();
        int[] cnt1 = new int[26], cnt2 = new int[26];
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        for (int i = 0; i < n; i++) {
            cnt1[cs1[i] - 'a']++;
            cnt2[cs2[i] - 'a']++;
        }
        for (int i = 0; i < 26; i++) {
            if (cnt1[i] != cnt2[i]) return false;
        }
        return true;
    }
}
复制代码


  • 时间复杂度:O(5n)O(5^n)O(5n)
  • 空间复杂度:忽略递归与生成子串带来的空间开销,复杂度为 O(1)O(1)O(1)


记忆化搜索



朴素解法卡在了 286/288286 / 288286/288 个样例。


我们考虑在朴素解法的基础上,增加「记忆化搜索」功能。


我们可以重新设计我们的「爆搜」逻辑:假设 s1s1s1iii 位置开始,s2s2s2jjj 位置开始,后面的长度为 lenlenlen 的字符串是否能形成「扰乱字符串」(互为翻转)。


那么在单次处理中,我们可分割的点的范围为 [1,len)[1, len)[1,len),然后和「递归」一下,将 s1s1s1 分割出来的部分尝试去和 s2s2s2 的对应位置匹配。


同样的,我们将「入参对应的子串相等」和「入参对应的子串词频不同」作为「递归」出口。


代码:


class Solution {
    String s1; String s2;
    int n;
    int[][][] cache;
    int N = -1, Y = 1, EMPTY = 0;
    public boolean isScramble(String _s1, String _s2) {
        s1 = _s1; s2 = _s2;
        if (s1.equals(s2)) return true;
        if (s1.length() != s2.length()) return false;
        n = s1.length();
        // cache 的默认值是 EMPTY
        cache = new int[n][n][n + 1];
        return dfs(0, 0, n);
    }
    boolean dfs(int i, int j, int len) {
        if (cache[i][j][len] != EMPTY) return cache[i][j][len] == Y;
        String a = s1.substring(i, i + len), b = s2.substring(j, j + len);
        if (a.equals(b)) {
            cache[i][j][len] = Y;
            return true;
        } 
        if (!check(a, b)) {
            cache[i][j][len] = N;
            return false;
        } 
        for (int k = 1; k < len; k++) {
            // 对应了「s1 的 [0,i) & [i,n)」匹配「s2 的 [0,i) & [i,n)」
            if (dfs(i, j, k) && dfs(i + k, j + k, len - k)) {
                cache[i][j][len] = Y;
                return true;
            }
            // 对应了「s1 的 [0,i) & [i,n)」匹配「s2 的 [n-i,n) & [0,n-i)」
            if (dfs(i, j + len - k, k) && dfs(i + k, j, len - k)) {
                cache[i][j][len] = Y;
                return true;
            }
        }
        cache[i][j][len] = N;
        return false;
    }
    // 检查 s1 和 s2 词频是否相同
    boolean check(String s1, String s2) {
        if (s1.length() != s2.length()) return false;
        int n = s1.length();
        int[] cnt1 = new int[26], cnt2 = new int[26];
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        for (int i = 0; i < n; i++) {
            cnt1[cs1[i] - 'a']++;
            cnt2[cs2[i] - 'a']++;
        }
        for (int i = 0; i < 26; i++) {
            if (cnt1[i] != cnt2[i]) return false;
        }
        return true;
    }
}
复制代码


  • 时间复杂度:O(n4)O(n^4)O(n4)
  • 空间复杂度:O(n3)O(n^3)O(n3)


动态规划(区间 DP)



其实有了上述「记忆化搜索」方案之后,我们就已经可以直接忽略原问题,将其改成「动态规划」了。


根据「dfs 方法的几个可变入参」作为「状态定义的几个维度」,根据「dfs 方法的返回值」作为「具体的状态值」。


我们可以得到状态定义 f[i][j][len]f[i][j][len]f[i][j][len]


f[i][j][len]f[i][j][len]f[i][j][len] 代表 s1s1s1iii 开始,s2s2s2jjj 开始,后面长度为 lenlenlen 的字符是否能形成「扰乱字符串」(互为翻转)。


状态转移方程其实就是翻译我们「记忆化搜索」中的 dfs 主要逻辑部分:


// 对应了「s1 的 [0,i) & [i,n)」匹配「s2 的 [0,i) & [i,n)」
    if (dfs(i, j, k) && dfs(i + k, j + k, len - k)) {
        cache[i][j][len] = Y;
        return true;
    }
    // 对应了「s1 的 [0,i) & [i,n)」匹配「s2 的 [n-i,n) & [0,n-i)」
    if (dfs(i, j + len - k, k) && dfs(i + k, j, len - k)) {
        cache[i][j][len] = Y;
        return true;
    }
复制代码


从状态定义上,我们就不难发现这是一个「区间 DP」问题,区间长度大的状态值可以由区间长度小的状态值递推而来。


而且由于本身我们在「记忆化搜索」里面就是从小到大枚举 lenlenlen,因此这里也需要先将 lenlenlen 这层循环提前,确保我们转移 f[i][j][len]f[i][j][len]f[i][j][len] 时所需要的状态都已经被计算好。


代码:


class Solution {
    public boolean isScramble(String s1, String s2) {
        if (s1.equals(s2)) return true;
        if (s1.length() != s2.length()) return false;
        int n = s1.length();
        char[] cs1 = s1.toCharArray(), cs2 = s2.toCharArray();
        boolean[][][] f = new boolean[n][n][n + 1];
        // 先处理长度为 1 的情况
        for (int i = 0; i < n; i++) {
            for (int j = 0; j < n; j++) {
                f[i][j][1] = cs1[i] == cs2[j];
            }
        }
        // 再处理其余长度情况
        for (int len = 2; len <= n; len++) {
            for (int i = 0; i <= n - len; i++) {
                for (int j = 0; j <= n - len; j++) {
                    for (int k = 1; k < len; k++) {
                        boolean a = f[i][j][k] && f[i + k][j + k][len - k];
                        boolean b = f[i][j + len - k][k] && f[i + k][j][len - k];
                        if (a || b) {
                            f[i][j][len] = true;
                        }
                    }
                }
            }
        }
        return f[0][0][n];
    }
}
复制代码


  • 时间复杂度:O(n4)O(n^4)O(n4)
  • 空间复杂度:O(n3)O(n^3)O(n3)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.87 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先将所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
5月前
|
存储 算法 Java
Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。
【6月更文挑战第21天】Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。二叉树遍历通过访问根、左、右子节点实现。DFS采用递归遍历图的节点,而BFS利用队列按层次访问。以下是简化的代码片段:[Java代码略]
45 4
|
2月前
|
Java
Java搜索与替换
Java搜索与替换
24 4
Java搜索与替换
|
5月前
|
Java
2021蓝桥杯大赛软件类国赛Java大学B组 完全日期 复杂遍历搜索
2021蓝桥杯大赛软件类国赛Java大学B组 完全日期 复杂遍历搜索
49 2
|
5月前
|
存储 算法 Java
Java查找算法概览:二分查找适用于有序数组,通过比较中间元素缩小搜索范围;哈希查找利用哈希函数快速定位,示例中使用HashMap存储键值对,支持多值关联。
【6月更文挑战第21天】Java查找算法概览:二分查找适用于有序数组,通过比较中间元素缩小搜索范围;哈希查找利用哈希函数快速定位,示例中使用HashMap存储键值对,支持多值关联。简单哈希表实现未涵盖冲突解决和删除操作。
57 1
|
6月前
|
存储 Java 数据库连接
从 0 实现一个文件搜索工具 (Java 项目)
从 0 实现一个文件搜索工具 (Java 项目)
79 17
|
4月前
|
存储 搜索推荐 算法
Java中的文本搜索与全文检索引擎
Java中的文本搜索与全文检索引擎
|
5月前
|
存储 前端开发 算法
2016届蓝桥杯大赛软件类国赛Java大学B组 反幻方 暴力搜索
2016届蓝桥杯大赛软件类国赛Java大学B组 反幻方 暴力搜索
31 0
|
5月前
|
Java
2022蓝桥杯大赛软件类省赛Java大学B组真题 刷题统计
2022蓝桥杯大赛软件类省赛Java大学B组真题 刷题统计
51 0
|
5月前
|
Java
二叉树搜索 - Java版
二叉树搜索 - Java版
16 0
|
5月前
|
算法 Java Go
【经典算法】LeetCode 35. 搜索插入位置(Java/C/Python3/Golang实现含注释说明,Easy)
【经典算法】LeetCode 35. 搜索插入位置(Java/C/Python3/Golang实现含注释说明,Easy)
36 0