每日刷题计划Day7-动态规划

题源：LeetCode

416. 分割等和子集

给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

示例 1：
输入：nums = [1,5,11,5]
输出：true
解释：数组可以分割成 [1, 5, 5] 和 [11] 。

示例 2：
输入：nums = [1,2,3,5]
输出：false
解释：数组不能分割成两个元素和相等的子集。

提示：
1 <= nums.length <= 200
1 <= nums[i] <= 100

NP完全问题，不应期望该问题有多项式时间复杂度的解法。

由题意得

1. 分割的两个部分是自给，并不要求是数组中连续的一部分；
2. 分割的两个子集拼接起来是整个数组，并且每个元素只能使用一次；
3. 空元素和全部元素的子集不可取。

转换为 「0 - 1」 背包问题
等价转换：是否可以从输入数组中挑选出一些正整数，使得这些数的和 等于 整个数组元素的和的一半。
容易知道：数组的和一定得是偶数。
本题与 0-1 背包问题有一个很大的不同，即：

0-1 背包问题选取的物品的容积总量 不能超过 规定的总量；
本题选取的数字之和需要 恰好等于 规定的和的一半。
这一点区别，决定了在初始化的时候，所有的值应该初始化为 false。 （《背包九讲》的作者在介绍 「0-1 背包」问题的时候，有强调过这点区别。）

「0 - 1」 背包问题的思路
作为「0-1 背包问题」，它的特点是：「每个数只能用一次」。解决的基本思路是：物品一个一个选，容量也一点一点增加去考虑，这一点是「动态规划」的思想，特别重要。
在实际生活中，我们也是这样做的，一个一个地尝试把候选物品放入「背包」，通过比较得出一个物品要不要拿走。

具体做法是：画一个 len 行，target + 1 列的表格。这里 len 是物品的个数，target 是背包的容量。len 行表示一个一个物品考虑，target + 1多出来的那 1 列，表示背包容量从 0 开始考虑。很多时候，我们需要考虑这个容量为 0 的数值。

动态规划
设置状态： dp[i][j] 表示考虑下标 [0, i] 这个区间里的所有整数，在它们当中是否能够选出一些数，使得这些数之和恰好为整数j。
我们的定义具有前缀性质，虽然只写了[i]，但是考虑[0,i]这个区间。

状态转移方程：
1.不选nums[i]：dp[i][j] = dp[i - 1][j];
2.选择nums[i]:
a. nums[i] == j, dp[i][j] = true;
b. nums[i] < j, dp[i][j] = dp[i -1][j - nums[i]];

初始化：dp[i][j] = false，因为候选数 nums[0] 是正整数，凑不出和为 00；
输出： dp[len - 1][sum / 2]

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int n = nums.size();
        if (n < 2) {
            return false;
        }
        int sum = accumulate(nums.begin(), nums.end(), 0);
        int maxNum = *max_element(nums.begin(), nums.end());
        if (sum & 1) {
            return false;
        }
        int target = sum / 2;
        if (maxNum > target) {
            return false;
        }
         
        vector<vector<int>> dp(n, vector<int>(target + 1, 0));
        
        dp[0][nums[0]] = true;
        for (int i = 1; i < n; i++) {
            int num = nums[i];
            for (int j = 1; j <= target; j++) {
                if (j >= num) {
                    dp[i][j] = dp[i - 1][j] | dp[i - 1][j - num];
                } else {
                    dp[i][j] = dp[i - 1][j];
                }
            }
        }
        return dp[n - 1][target];
    }
};