Given a string s, partition s such that every substring of the partition is a palindrome.
Return the minimum cuts needed for a palindrome partitioning of s.
Example:
Input: "aab"
Output: 1
Explanation: The palindrome partitioning ["aa","b"] could be produced using 1 cut.
这道题是让找到把原字符串拆分成回文串的最小切割数,如果我们首先考虑用brute force来做的话就会十分的复杂,因为我们不但要判断子串是否是回文串,而且还要找出最小切割数,情况会非常的多,不好做。所以对于这种玩字符串且是求极值的题,就要祭出旷古神器动态规划Dynamic Programming了,秒天秒地秒空气,DP在手天下我有。好,吹完一波后,开始做题。DP解法的两个步骤,定义dp数组和找状态转移方程。首先来定义dp数组,这里使用最直接的定义方法,一维的dp数组,其中dp[i]表示子串 [0, i] 范围内的最小分割数,那么我们最终要返回的就是 dp[n-1] 了,这里先加个corner case的判断,若s串为空,直接返回0,OJ的test case中并没有空串的检测,但博主认为还是加上比较好,毕竟空串也算是回文串的一种,所以最小分割数为0也说得过去。接下来就是大难点了,如何找出状态转移方程。
如何更新dp[i]呢,前面说过了其表示子串 [0, i] 范围内的最小分割数。那么这个区间的每个位置都可以尝试分割开来,所以就用一个变量j来从0遍历到i,这样就可以把区间 [0, i] 分为两部分,[0, j-1] 和 [j, i],那么suppose我们已经知道区间 [0, j-1] 的最小分割数 dp[j-1],因为我们是从前往后更新的,而 j 小于等于 i,所以 dp[j-1] 肯定在 dp[i] 之前就已经算出来了。这样我们就只需要判断区间 [j, i] 内的子串是否为回文串了,是的话,dp[i] 就可以用 1 + dp[j-1] 来更新了。判断子串的方法用的是之前那道 Palindromic Substrings 一样的方法,使用一个二维的dp数组p,其中 p[i][j] 表示区间 [i, j] 内的子串是否为回文串,其状态转移方程为 p[i][j] = (s[i] == s[j]) && p[i+1][j-1],其中 p[i][j] = true if [i, j]为回文。这样的话,这道题实际相当于同时用了两个DP的方法,确实难度不小呢。
第一个for循环遍历的是i,此时我们现将 dp[i] 初始化为 i,因为对于区间 [0, i],就算我们每个字母割一刀(怎么听起来像凌迟?!),最多能只用分割 i 次,不需要再多于这个数字。但是可能会变小,所以第二个for循环用 j 遍历区间 [0, j],根据上面的解释,我们需要验证的是区间 [j, i] 内的子串是否为回文串,那么只要 s[j] == s[i],并且 i-j < 2 或者 p[j+1][i-1] 为true的话,先更新 p[j][i] 为true,然后在更新 dp[i],这里需要注意一下corner case,当 j=0 时,我们直接给 dp[i] 赋值为0,因为此时能运行到这,说明 [j, i] 区间是回文串,而 j=0, 则说明 [0, i] 区间内是回文串,这样根本不用分割啊。若 j 大于0,则用 dp[j-1] + 1 来更新 dp[i],最终返回 dp[n-1] 即可,参见代码如下:
解法一:
class Solution {
public:
int minCut(string s) {
if (s.empty()) return ;
int n = s.size();
vector<vector<bool>> p(n, vector<bool>(n));
vector<int> dp(n);
for (int i = ; i < n; ++i) {
dp[i] = i;
for (int j = ; j <= i; ++j) {
if (s[i] == s[j] && (i - j < || p[j + ][i - ])) {
p[j][i] = true;
dp[i] = (j == ) ? : min(dp[i], dp[j - ] + );
}
}
}
return dp[n - ];
}
};
我们也可以反向推,这里的dp数组的定义就刚好跟前面反过来了,dp[i] 表示区间 [i, n-1] 内的最小分割数,所以最终只需要返回 dp[0] 就是区间 [0, n-1] 内的最喜哦啊分割数了,极为所求。然后每次初始化 dp[i] 为 n-1-i 即可,j 的更新范围是 [i, n),此时我们就只需要用 1 + dp[j+1] 来更新 dp[i] 了,为了防止越界,需要对 j == n-1 的情况单独处理一下,整个思想跟上面的解法一模一样,请参见之前的讲解。
解法二:
class Solution {
public:
int minCut(string s) {
if (s.empty()) return ;
int n = s.size();
vector<vector<bool>> p(n, vector<bool>(n));
vector<int> dp(n);
for (int i = n - ; i >= ; --i) {
dp[i] = n - i - ;
for (int j = i; j < n; ++j) {
if (s[i] == s[j] && (j - i <= || p[i + ][j - ])) {
p[i][j] = true;
dp[i] = (j == n - ) ? : min(dp[i], dp[j + ] + );
}
}
}
return dp[];
}
};
下面这种解法是论坛上的高分解法,没用使用判断区间 [i, j] 内是否为回文串的二维dp数组,节省了空间。但写法上比之前的解法稍微有些凌乱,也算是个 trade-off 吧。这里还是用的一维dp数组,不过大小初始化为了 n+1,这样其定义就稍稍发生了些变化,dp[i] 表示由s串中前 i 个字母组成的子串的最小分割数,这样 dp[n] 极为最终所求。接下来就要找状态转移方程了。这道题的更新方式比较特别,跟之前的都不一样,之前遍历 i 的时候,都是更新的 dp[i],这道题更新的却是 dp[i+len+1] 和 dp[i+len+2],其中 len 是以i为中心,总长度为 2*len + 1 的回文串,比如 bob,此时 i=1,len=1,或者是i为中心之一,总长度为 2*len + 2 的回文串,比如 noon,此时 i=1,len=1。中间两个for循环就是分别更新以 i 为中心且长度为 2*len + 1 的奇数回文串,和以 i 为中心之一且长度为 2*len + 2 的偶数回文串的。i-len 正好是奇数或者偶数回文串的起始位置,由于我们定义的 dp[i] 是区间 [0, i-1] 的最小分割数,所以 dp[i-len] 就是区间 [0, i-len-1] 范围内的最小分割数,那么加上奇数回文串长度 2*len + 1,此时整个区间为 [0, i+len],即需要更新 dp[i+len+1]。如果是加上偶数回文串的长度 2*len + 2,那么整个区间为 [0, i+len+1],即需要更新 dp[i+len+2]。这就是分奇偶的状态转移方程,参见代码如下:
解法三:
class Solution {
public:
int minCut(string s) {
if (s.empty()) return ;
int n = s.size();
vector<int> dp(n + , INT_MAX);
dp[] = -;
for (int i = ; i < n; ++i) {
for (int len = ; i - len >= && i + len < n && s[i - len] == s[i + len]; ++len) {
dp[i + len + ] = min(dp[i + len + ], + dp[i - len]);
}
for (int len = ; i - len >= && i + len + < n && s[i - len] == s[i + len + ]; ++len) {
dp[i + len + ] = min(dp[i + len + ], + dp[i - len]);
}
}
return dp[n];
}
};
类似题目:
参考资料: