力扣416——分割等和子集

这道题主要涉及的是动态规划，类似背包问题，主要还是需要找出状态转移方程，优化时可以考虑采用深度优先搜索。

原题

给定一个只包含正整数的非空数组。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。

注意:

1. 每个数组中的元素不会超过 100
2. 数组的大小不会超过 200

示例 1:

输入: [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: [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.

原题url：https://leetcode-cn.com/problems/partition-equal-subset-sum/

## 解题

### 动态规划

针对这种问题，动态规划是最直接的思路。针对每一个数字，你都有两个选择：选、不选。我们的目标是为了让选出来的数字之和等于所有数字之和的一半。

这和`0-1 背包问题`很类似，我们可以利用二维表格 dp 解决，表格有`len`行、`target 1`列，这里`len`表示当前数字所处的数组下标，`target`表示所有数字之和(最大值为：所有数字之和的一半)，`target 1`是表明数字之和从0开始。

接下来考虑`状态定义`和`状态转移方程`：

状态定义：`dp[i][j]`表示从原始数组的 [0, i] 这个子区间内挑选一些数，每个数只能用一次，使得这些数的和恰好等于 j。

状态转移方程：对于“0-1 背包问题”，就是考虑数字是否选择。
1. 不选择 nums[i]，如果在 [0, i - 1] 这个子区间内已经有一部分元素，使得它们的和为 j ，那么 dp[i][j] = true；
2. 选择 nums[i]，如果在 [0, i - 1] 这个子区间内就得找到一部分元素，使得它们的和为 j - nums[i]，那么 dp[i][j] = true；
3. 其余情况，dp[i][j] = false；

所以状态转移方程是：`dp[i][j] = dp[i - 1][j] or dp[i - 1][j - nums[i]]`

接下来我们看看代码：

public class Solution {

    public boolean canPartition(int[] nums) {
        int len = nums.length;
        if (len == 0) {
            return false;
        }

        // 求所有数字之和
        int sum = 0;
        for (int num : nums) {
            sum  = num;
        }

        // 如果总和是奇数，就无法计算
        if ((sum & 1) == 1) {
            return false;
        }
        // 目标值：总和的一半
        int target = sum / 2;
        // 创建二维状态数组，行：物品索引，列：容量（包括 0）
        boolean[][] dp = new boolean[len][target   1];

        // 先填表格第 0 行，第 1 个数只能让容积为它自己的背包恰好装满
        if (nums[0] <= target) {
            dp[0][nums[0]] = true;
        }

        // 再填表格后面几行
        for (int i = 1; i < len; i  ) {
            for (int j = 0; j <= target; j  ) {
                // 如果之前已经有总和为 j 的情况(这样不需要nums[i])，说明可以满足
                if (dp[i - 1][j] ||
                    // 如果当前的数字nums[i]刚好为j，说明可以满足
                    nums[i] == j ||
                    // 如果当前的数字nums[i]小于j，并且之前就有总和为(j - nums[i])的情况(这样加上nums[i]刚好满足j)
                    (nums[i] < j && dp[i - 1][j - nums[i]])) {
                    dp[i][j] = true;
                } else {
                    dp[i][j] = false;
                }
            }
        }
        return dp[len - 1][target];
    }
}
```
提交OK。

动态规划——优化

时间上的优化，其实可以提前结束，只要满足 target，就满足了总和一半的条件，可以直接结束，并不需要全部算完。

空间上的优化，其实只需要一维即可，因为只用了上一次的所有情况，并不需要所有。

接下来我们看看代码：

public class Solution {

    public boolean canPartition(int[] nums) {
        int len = nums.length;
        if (len == 0) {
            return false;
        }
                
        // 求所有数字之和
        int sum = 0;
        for (int num : nums) {
            sum  = num;
        }

        // 如果总和是奇数，就无法计算
        if ((sum & 1) == 1) {
            return false;
        }
        // 目标值：总和的一半
        int target = sum / 2;
        // 创建一维数组
        boolean[] dp = new boolean[target   1];
        dp[0] = true;
        // 记录第一个数字的情况
        if (nums[0] <= target) {
            dp[nums[0]] = true;
        }

        // 再填表格
        for (int i = 1; i < len; i  ) {
            for (int j = target; nums[i] <= j; j--) {
                if (dp[target]) {
                    return true;
                }

                dp[j] = dp[j] || dp[j - nums[i]];
            }
        }
        return dp[target];
    }
}

提交OK。

深度优先搜索

和动态规划类似，只是换成了递归的写法。

针对一个数字选还是不选的问题，要求选择的数字之和达到一半，等价于不选择的数字之和也达到了一半。

只是针对剪枝，需要提供更多一些的情况：可以先从小到大排序，然后从大的一方开始找，这样可以快速失败，因为当超过一半之后，可以直接结束。

接下来看看代码：

class Solution {
    public boolean canPartition(int[] nums) {
        // 求和
        int sum = 0;
        for (int num : nums) {
            sum  = num;
        }
        // 如果是奇数，说明不可平分
        if ((sum & 1) == 1) {
            return false;
        }
        // 求出一半应该是多少
        sum = sum >> 1;

        // 从小到大排序
        Arrays.sort(nums);
        // 从后向前添加
        return canPartition(nums, nums.length - 1, sum, sum);
    }

    public boolean canPartition(
        int[] nums,
        int index,
        int canIncrease,
        int canDecrease) {
        // 如果可以增加或者可以减少的量为0，说明已经达到一半，成功
        if (canIncrease == 0 || canDecrease == 0) {
            return true;
        }

        // 如果可以增加或者可以减少的量为0，说明已经超过一半，失败
        if (canIncrease < 0 || canDecrease < 0) {
            return false;
        }

        // 继续下一个，如果已经遍历完，则失败
        if (index < 0) {
            return false;
        }
        // 添加当前元素或者放弃当前元素
        return canPartition(nums, index - 1, canIncrease - nums[index], canDecrease) ||
            canPartition(nums, index - 1, canIncrease, canDecrease - nums[index]);
    }
}

提交OK，从时间上来看，比之前的动态规划更快。

总结

以上就是这道题目我的解答过程了，不知道大家是否理解了。这道题主要涉及的是动态规划，类似背包问题，主要还是需要找出状态转移方程，优化时可以考虑采用深度优先搜索。

有兴趣的话可以访问我的博客或者关注我的公众号、头条号，说不定会有意外的惊喜。

https://death00.github.io/

公众号：健程之道