单词拆分题目的思路探讨与源码
    单词拆分的题目如下图，该题属于动态规划法的题目，主要考察对于动态规划和剪枝法的理解和认识，结合当前状态信息和历史结果就可以进行判断。本文的题目作者想到2种方法，第二种方法是第一种方法的优化，本质上两种方法都是动态规划DP，第一种方法使用java写、第二种方法使用Python写，当然这应该不是最优的解法，还希望各位大佬给出更快的算法。

    本人认为该题目可以使用动态规划的方法，假设在循环遍历的时候，每次判断需要两个条件联合判断，一个是历史结果信息，也就是历史的判断必须是字符串s都在字典里；一个是当前状态信息，也就是从当前下标都下一个下标的子字符串必须在字典里，满足这两个条件就可以进行遍历和判断，从而达到判断整个字符串s是否在dict字典里面。所以按照这个思路我们的代码按照公式如下：

#喷火龙与水箭龟
class Solution {
    public boolean wordBreak(String s, List<String> wordDict) {
        int sLen = s.length();
        boolean[] wb = new boolean[sLen + 1];
        wb[0] = true;
        for(int ij=0;ij<sLen;ij++){
            for(int jk=ij+1;jk<(sLen+1);jk++){
                if(wb[ij] && wordDict.contains(s.substring(ij,jk))){
                    wb[jk] = true;
                }
            }
        }
        return wb[sLen];
    }
}

    显然，这种直接使用动态规划的思路不是最优的，因此我们在这个基础上进行剪枝，把字典里面最长的单词拿出来作为限制，如果在历史的子字符串都没有匹配上，并且已经超过了最大的单词长度，那么剩下的单词就算匹配上也是不匹配，所以直接返回False即可，下面是Python代码部分：

#喷火龙与水箭龟
class Solution:
    def wordBreak(self, s: str, wordDict: List[str]) -> bool:
        sLen = len(s)
        pos = [False]*(sLen+1)
        pos[0] = True
        maxNum = -1
        dcSet = set(wordDict)
        for mk in wordDict:
            maxNum = max(len(mk),maxNum)
        for ij in range(1,sLen+1):
            for jk in range(ij,ij-sLen,-1):
                if(jk>0 and (s[jk-1:ij] in dcSet)):
                    pos[ij] = pos[ij] | pos[jk-1]
        return pos[sLen]

    从结果来说是比较一般的，因为时间复杂度其实是接近O(n^2) ，但是通过剪枝肯定可以进一步提速，希望朋友们能够多多指教，非常感谢。