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
- 分割的两个部分是自给,并不要求是数组中连续的一部分;
- 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;
- 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];
}
};