给你一个下标从0开始的字符串s
和一个单词字典dictionary
。你需要将s
分割成若干个互不重叠的子字符串,每个子字符串都在dictionary
中出现过。s
中可能会有一些额外的字符不在任何子字符串中。
请你采取最优策略分割s
,使剩下的字符最少。
示例 1:
输入:s = “leetscode”, dictionary = [“leet”,“code”,“leetcode”]
输出:1
解释:将 s 分成两个子字符串:下标从 0 到 3 的 “leet” 和下标从 5 到 8 的 “code” 。只有 1 个字符没有使用(下标为 4),所以我们返回 1 。
示例 2:
输入:s = “sayhelloworld”, dictionary = [“hello”,“world”]
输出:3
解释:将 s 分成两个子字符串:下标从 3 到 7 的 “hello” 和下标从 8 到 12 的 “world” 。下标为 0 ,1 和 2 的字符没有使用,所以我们返回 3 。
经典动态规划问题,更多案例可见 Leetcode 动态规划详解
我们可以使用动态规划解决本题,解题思路:
s[i?1]
当做是额外字符,d[i] = d[i?1] + 1
j(j∈[0,i?1])
,如果子字符串s[j...i?1]
存在于dictionary
中,那么`d[i] = min d[j]d[0] = 0
,最终答案为d[n]
动态规划一般用于求解具有重叠子问题和最优子结构的问题,例如最长公共子序列、背包问题、最短路径等。重叠子问题指的是在求解问题的过程中,多次用到相同的子问题,最优子结构指的是问题的最优解可以通过子问题的最优解来构造
public int minExtraChar(String s, String[] dictionary) {
int n = s.length();
int[] d = new int[n + 1];
Arrays.fill(d, Integer.MAX_VALUE);
Set<String> set = new HashSet<>();
for (String str : dictionary) {
set.add(str);
}
d[0] = 0;
for (int i = 1; i <= n; i++) {
d[i] = d[i - 1] + 1;
for (int j = i - 1; j >= 0; j--) {
if (set.contains(s.substring(j, i))) {
d[i] = Math.min(d[i], d[j]);
}
}
}
return d[n];
}