691. 贴纸拼词

---

ID: 691
TITLE: 贴纸拼词
TAG:

---

解决方法：

方法一：优化穷举搜索

答案是彻底搜索贴纸的组合。因为数据是随机化的，所以有很多启发式方法可以帮助我们更快地实现这一目标。

• 对于所有的贴纸，我们可以忽略目标单词中没有的任何字母。
• 当我们的候选答案不会小于我们已经找到的答案时，我们可以停止搜索此路径。
• 我们应该尽量让我们的详尽搜索尽快绑定到答案，因此上面描述的效果会更频繁的发生。
• 当一个贴纸占主导地位时，我们不应该将被主导地位的贴纸纳入我们的贴纸收藏中。[这里我们说，如果 A.count(letter) >= B.count(letter) ,letter 代表所有字母，则贴纸 A 占 B 的主导地位。]

算法：

• 首先，对于每个贴纸，让我们创建一个哈希表存储贴纸中的含有目标单词中的字母计数（mapping letter -> sticker.count(letter)）。 A 是记录贴纸中含有目标单词字母数量的数组。另外，让我们创建 t_count，记录目标单词的字母数量。
• 其次，让我们去掉被主导的贴纸。我们只需要检查一次贴纸是否由其他贴纸主导，那些不被主导的贴纸包含在我们的收藏中。
• 我们现在准备开始彻底搜查。调用 search(ans) 表示我们要确定可以在 A 中使用的最小贴纸数，以满足目标计数 t_count。ans 将存储当前形成的答案，best 将存储当前最佳答案。
• 如果我们当前的答案不能超过当前的最佳答案，我们应该停止搜索。若我们的目标是满意的，我们应该更新我们的答案。
• 否则，我们想知道我们可以使用的这个贴纸的最大数量。例如，如果这个标签是 'abb'，我们的目标是 'aaabbbbccccc'，那么我们最多可以使用 3 个贴纸。这是 math.ceil(target.count(letter) / sticker.count(letter)) 的最大值，它接管了 sticker 中的所有字母。我们称之为 used。
• 之后，对于我们目前正在考虑的贴纸，我们尝试 used 它们，然后 used - 1，used - 2 等等。我们这样做的原因是为了更快地获得最佳值，这将阻止我们穷尽搜索的其他分支继续进行。

复杂度分析

• 时间复杂度：$N$N 作为贴纸的数目，$T$T 作为目标单词的字母数目。时间复杂度的界限是 $O(N^{T+1} T^2)$O(NT+1T2)：对于每个贴纸，我们必须尝试使用它最多 $T+1$T+1 次，并更新我们的目标计数成本 $O(T)$O(T)，我们最多做 $T$T 次。或者，由于答案的范围是 $T$T 的，我们可以证明我们最多只能搜索 $\binom{N+T-1}{T-1}$(T−1N+T−1​) 次。这将是 $O(\binom{N+T-1}{T-1} T^2)$O((T−1N+T−1​)T2)。
• 空间复杂度：$O(N+T)$O(N+T)，在调用 search 时存储 stickersCount、targetcount 并处理递归调用堆栈 。

方法二：动态规划

对于每一个状态，我们现在就来处理它，看看在应用一个贴纸之后会发生什么。对于贴纸中可以满足字母的状态的位，我们设置 state（now |= 1 << i）。最后，我们知道现在是将该贴纸应用到贴纸的结果，并且我们适当地更新了我们的 dp。

复杂度分析

• 时间复杂度：$O(2^T * S * T)$O(2T∗S∗T) 其中 $S$S 是所有贴纸中的字母总数，$T$T 是目标单词中的字母数。我们可以仔细检查每个循环，得出这个结论。
• 空间复杂度：$O(2^T)$O(2T)，dp使用的空间。

标签：count,691,贴纸,复杂度,字母,letter,拼词,我们
来源： https://blog.csdn.net/weixin_39139505/article/details/99293873