拼多多（PDD）社招一面原题

未成年游戏退费

5 月 28 日，中国互联网协会发布《未成年人网络游戏服务消费管理要求（征求意见稿）》团体标准。

该标准是游戏行业首个完整的消费管理规范，可用于未成年人游戏消费退费纠纷解决，也可为相关行政部门、司法机关提供参考。

来源：光明网

根据各自过错情况，该标准明确划分了网络游戏服务提供者、监护人等责任方的担责比例。

该标准针对常见的场景，给出了具体的责任划分。

举个 🌰，若游戏服务商已依法采取了「防沉迷措施」，但监护人帮助未成年人"绕过"防沉迷限制，或监护人未充分履行监护职责，该标准建议过错方承担责任比例 30%-70%，若存在多次过错行为，可能承担全部责任。

近几年，关于未成年在网络平台巨额消费（游戏充值 or 直播打赏）的新闻屡见不鲜。

一些舆论到位的案例，虽都得到了全额退款。但新闻的发生，往往少不了监护人的责任，新标准的出台一定程度上弥补这一缺失。

对于「首个未成年人游戏退费标准发布」，你怎么看？

...

回归主题。

来一道近期读者投稿的，在「拼多多（社招一面）」遇到的算法原题。

题目描述

平台：LeetCode

题号：139

给你一个字符串 s 和一个字符串列表 wordDict 作为字典。

请你判断是否可以利用字典中出现的单词拼接出 s 。

注意：不要求字典中出现的单词全部都使用，并且字典中的单词可以重复使用。

示例 1：

输入: s = "leetcode", wordDict = ["leet", "code"]

输出: true

解释: 返回 true 因为 "leetcode" 可以由 "leet" 和 "code" 拼接成。

示例 2：

输入: s = "applepenapple", wordDict = ["apple", "pen"]

输出: true

解释: 返回 true 因为 "applepenapple" 可以由 "apple" "pen" "apple" 拼接成。
     注意，你可以重复使用字典中的单词。

示例 3：

输入: s = "catsandog", wordDict = ["cats", "dog", "sand", "and", "cat"]

输出: false

提示：

• s 和 wordDict[i] 仅有小写英文字母组成
• wordDict 中的所有字符串 互不相同

序列 DP

将字符串 s 长度记为 n，wordDict 长度记为 m。

为了方便，我们调整字符串 s 以及将要用到的动规数组的下标从 1 开始。

定义 为考虑前 i 个字符，能否使用 wordDict 拼凑出来：当 代表 能够使用 wordDict 所拼凑，反之则不能。

不失一般性考虑 该如何转移：由于 需要考虑 范围内的字符，若 为 True 说明整个 都能够使用 wordDict 拼凑，自然也包括最后一个字符 所在字符串 sub。

「我们可以枚举最后一个字符所在字符串的左端点 ，若 在 wordDict 中出现过，并且 ，说明 能够被拼凑，并且子串 sub 也在 wordDict，可得 f[i] = True。」

为了快速判断某个字符是否在 wordDict 中出现，我们可以使用 Set 结构对 进行转存。

Java 代码：

class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        Set<String> set = new HashSet<>();
        for (String word : wordDict) set.add(word);
        int n = s.length();
        boolean[] f = new boolean[n + 10];
        f[0] = true;
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= i && !f[i]; j++) {
                String sub = s.substring(j - 1, i);
                if (set.contains(sub)) f[i] = f[j - 1]; 
            }
        }
        return f[n];
    }
}

C++ 代码：

class Solution {
public:
    bool wordBreak(string s, vector<string>& wordDict) {
        unordered_set<string> set;
        for (const string& word : wordDict) {
            set.insert(word);
        }
        int n = s.length();
        vector<bool> f(n + 10, false);
        f[0] = true;
        for (int i = 1; i <= n; ++i) {
            for (int j = 1; j <= i && !f[i]; ++j) {
                string sub = s.substr(j - 1, i - j + 1);
                if (set.find(sub) != set.end()) f[i] = f[j - 1] || f[i];
            }
        }
        return f[n];
    }
};

Python 代码：

class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        ss = set(wordDict)
        n = len(s)
        f = [False] * (n + 10)
        f[0] = True
        for i in range(1, n + 1):
            j = i
            while j >= 1 and not f[i]:
                sub = s[j - 1:i]
                if sub in ss:
                    f[i] = f[j - 1]
                j -= 1
        return f[n]

TypeScript 代码：

function wordBreak(s: string, wordDict: string[]): boolean {
    const ss = new Set<string>(wordDict)
    const n = s.length
    const f = new Array<boolean>(n + 10).fill(false)
    f[0] = true
    for (let i = 1; i <= n; i++) {
        for (let j = i; j >= 1 && !f[i]; j--) {
            const sub = s.substring(j - 1, i)
            if (ss.has(sub)) f[i] = f[j - 1]
        }
    }
    return f[n]
}

• 时间复杂度：将 wordDict 转存在 Set 复杂度为 ； DP 过程复忽裁剪子串和查询 Set 结构的常数，复杂度为
• 空间复杂度：

总结

这里简单说下「线性 DP」和「序列 DP」的区别。

线性 DP 通常强调「状态转移所依赖的前驱状态」是由给定数组所提供的，即拓扑序是由原数组直接给出。更大白话来说就是通常有 依赖于 。

这就限定了线性 DP 的复杂度是简单由「状态数量（或者说是维度数）」所决定。

序列 DP 通常需要结合题意来寻找前驱状态，即需要自身寻找拓扑序关系（例如本题，需要自己通过枚举的方式来找左端点，从而找到可转移的前驱状态 ）。

这就限定了序列 DP 的复杂度是由「状态数 + 找前驱」的复杂度所共同决定。也直接导致了序列 DP 有很多玩法，往往能够结合其他知识点出题，来优化找前驱这一操作，通常是利用某些性质，或是利用数据结构进行优化。

最后

给大伙通知一下 📢 ：

全网最低价 LeetCode 会员目前仍可用 ~

📅 年度会员：有效期加赠两个月！！; 季度会员：有效期加赠两周！！

🧧 年度会员：获 66.66 现金红包！！; 季度会员：获 22.22 现金红包！！

🎁 年度会员：参与当月丰厚专属实物抽奖（中奖率 > 30%)！！

专属链接：leetcode.cn/premium/?promoChannel=acoier

我是宫水三叶，每天都会分享算法知识，并和大家聊聊近期的所见所闻。

欢迎关注，明天见。

更多更全更热门的「笔试/面试」相关资料可访问排版精美的 合集新基地 🎉🎉