Ksum 与 Uncertain sum （子集和问题 Subset sum ）

上一篇博客【Leetcode】从 2sum 到 3sum, 4sum, Ksum 中介绍了Ksum，就是 “一个数组中的K个数之和等于给定数” 的问题。如果进一步来说，给定一个数组（元素不重复），请问是否存在某些数之和等于给定数？

Ksum 是固定了元素的数量为K个，很容易去思考，至少知道一个暴力解的K层循环。但是如果并不给定K，即参与求和的元素个数不确定(uncertain)，只是某些元素和为给定的 target，这又该怎么做呢？其实这就是很经典的 “子集和问题”。
（注： 可参考 Leetcode中的 Combination sum I II III IV（Leetcode 39, 40,216, 377））

子集和问题
已知集合 S = { a 1 , a 2 , a 3 , ⋯   , a n } S=\{a_1,a_2,a_3,\cdots,a_n\} S={a1​,a2​,a3​,⋯,an​} 中的元素都是正整数且互不相同，给定另外一个正整数 $M$，试问是否存在 $S$ 的一个子集使得其中的元素之和等于 $M$?

对于 “子集和问题”，常规的做法就是动态规划法和递归法，下面详细叙述一下这两种方法。

用动态规划法 (DP) 解 “子集和问题”

我们定义一个布尔变量 dp[$i$][$j$]，它表示集合 $S$ 中前 $i$ 个元素里 (包括第 $i$ 个) 是否存在某些元素之和等于 $j$。若存在，则 dp[$i$][$j$]$=1$；若不存在，则 dp[$i$][$j$]$=0$。

先考虑边界情况，即 $i=0$ 和 $j=0$ 的情况。
(1) 对于 $j=0$，此处规定空集的元素和为0，而每个集合都有子集为空集，所以一定有 dp[$i$][$0$] = 1；
(2) 对于 $i=0$，它对应的是前 0 个元素，即空集。那么只会有 dp[$0$][$0$] = 1，其余 $j$ 的取值都是得到： dp[$0$][$j$] = 0 ($j̸=0$)

再考虑常规情况，即 dp[$i$][$j$] ($i̸=0$，$j̸=0$)。
首先，如果 dp[$i-1$][$j$] = 1，那么必有 dp[$i$][$j$] = 1。因为前 $i-1$ 个元素存在子集和为 $j$ 的话，那么前 $i$ 个元素肯定存在子集和为 $j$ 的子集，原因是前 $i$ 个元素包含前 $i-1$ 个元素。
那么，如果 dp[$i-1$][$j$] = 0 呢？此种情况下，需要考虑到第 $i$ 个元素值 $a_i$。为什么这么说呢？因为 dp[$i-1$][$j$] = 0 表示前 $i-1$ 个元素里面没有子集和为 $j$ 的子集存在，但是如果前 $i-1$ 个元素里面有子集和为 $j-a_i$ 的子集存在的话，那么前 $i$ 个元素中不就有了子集和为 $j$ 的子集存在了吗？

将上面的讨论情况总结一下，可以写成下面的公式：
$$dp[i][j]=\{\begin{array}{l}dp[i-1][j],如果condition1\\ dp[i-1][j]||dp[i-1][j-a_i],如果condition2\end{array}$$
上面式子中的符号 “||” 是真假值运算的 “或” ，$condition1$ 是指的是 “前 $i$ 个元素中和为$j$的子集不包括第 $i$ 个元素”，$condition2$ 是指的是 “前 $i$ 个元素中和为$j$的子集包括第 $i$ 个元素”。

Python 代码如下：

# nums是给定的集合(这里用数组形式表示)，其中每个元素都是正整数
# M是给定的正整数，需要找出nums中的子集和等于它
def func(nums, M):
    dp = [[0 for _ in range(M+1)] for _ in range(len(nums)+1)]
    for i in range(len(nums)+1):
        dp[i][0] = True
    for j in range(1,M+1):
        dp[0][j] = False
    for i in range(1,len(nums)+1):
        for j in range(M+1):
            dp[i][j] = dp[i-1][j]
            if j>= nums[i-1]: # 注：由于上面做了padding，所以此处的第i个元素即为nums[i-1]
                dp[i][j]=dp[i-1][j]|dp[i-1][j-nums[i-1]]
    return dp[len(nums)][M]

当然，上面这个动态规划也有个不好的地方，就是要创建一个记忆性的 dp 二维数组，用于存储数据，可以知道这个 dp 二维数组的维度是 (len(nums)+1) $\times$ (M+1) 维的。当给定的 M 非常大时，那么这个二维数组将非常占用内存空间。

用递归法解 “子集和问题”

用递归法求解，其思路与上面一样，不同的是递归法是 “自上而下”，而动态规划法是 “自下而上”。

Python 代码如下：

def func(nums, M):
    return isSubset(nums, len(nums), M)
    
def isSubset(nums, k, c):
    if c==0:
        return True
    if k==0 and c!=0:
        return False
    if c>=nums[k-1]:
        return isSubset(nums, k-1, c)|isSubset(nums, k-1, c-nums[k-1])
    else:
        return isSubset(nums, k-1, c)

通过上面的总结，可以知道虽然 Ksum 和 Uncertain sum 的题目求解问题描述差不多，但是解法上却相差很多（Ksum 的解法可以参见我上一篇博客【Leetcode】从 2sum 到 3sum, 4sum, Ksum）。

经常总结，经常思考，这样才会慢慢有进步。