数据结构【动态规划-0-1背包】| leetcode 494. 目标和(中等)

代码链接：https://leetcode.cn/problems/target-sum/solution/by-flix-rkb5/

题目分析：

记数组的元素和为 total，添加 $+$ 号的元素之和为 pos，添加 - 号的元素之和为 neg，则有以下关系：
$$\{\begin{array}{l}\text{ pos }+neg=\text{ total }\\ \text{ pos }-neg=\text{ target }\end{array}$$
进一步可得:
$$\{\begin{array}{l}\text{ pos }=(\text{ total }+\text{ target })/2\\ \text{ neg }=(\text{ total }-\text{ target })/2\end{array}$$

问题转化：

此时不难发现，本题实质上是一道「0-1 背包问题」：给定一个只包含正整数的非空数组 nums，判断是否可以从数组中选出一些数字（每个元素最多选一次），使得选出的这些数字的和刚好等于 pos 或者 neg。

程序执行前可先判断 $nums$ 是否满足一些基本条件，如 $total>target$、$total+target$能被 2 整除等，若不满足程序则可直接返回 0。

01背包问题

动态规划是解决「0-1 背包问题」的标准做法。一般地，我们定义： $dp[i][j]$ 表示前 $i$ 件物品放入一个容量为 $j$ 的背包可以获得的最大价值，则状态转移过程可表示为：

• 不选择第 $i$ 件物品：问题转化为了前 $i-1$ 件物品放入容量为 $j$ 的背包中所获得的价值： $dp[i][j]=dp[i-1][j]$ ；
• 选择第 $i$ 件物品：第 $i$ 件物品占据容量 $w_i$，前 $i-1$ 件物品放入剩下的容量为 $j-w_i$ 的背包中，问题也就转化为了前 $i-1$ 件物品放入容量为 $j-w_i$ 的背包中所获得的价值 $dp[i-1][j-w_i]$ 加上要放入的第 $i$ 件物品的价值 $v_i$ dp[i][j]=dp[i-1][j-w_i]+v_i。注意，能放入第 $i$ 件物品的前提为: $w_i\le j$。

两种情况取较大者：
d p [ i ] [ j ] = max ⁡ { d p [ i − 1 ] [ j ] , d p [ i − 1 ] [ j − w i ] + v i } d p[i][j]=\max \left\{d p[i-1][j], d p[i-1]\left[j-w_i\right]+v_i\right\} dp[i][j]=max{dp[i−1][j],dp[i−1][j−wi​]+vi​}

求最优解的背包问题中，有的题目要求 恰好装满背包 时的最优解，有的题目则要求 不超过背包容量 时的最优解。一种区别这两种问法的实现方法是在状态初始化的时候有所不同。[摘自@ 《背包问题九讲》 (网页版) (PDF版)]

初始化的 $dp$ 数组事实上就是在背包中没有放入任何物品时的合法状态：

• 如果要求恰好装满背包，那么在初始化时 $dp[i][0]=0$，其它 $dp[i][1,2,...,\ast ]$ 均设为 $-\infty$。这是因为此时只有容量为 0 的背包可能被价值为 0 的 nothing “恰好装满”，而其它容量的背包均没有合法的解，属于未定义的状态。
• 如果只是要求不超过背包容量而使得背包中的物品价值尽量大，初始化时应将 $dp[\ast ][\ast ]$ 全部设为 0。这是因为对应于任何一个背包，都有一个合法解为 “什么都不装”，价值为 0。

本题题目分析：

对于本题而言，$nums[i]$ 则对应于常规背包问题中第 $i$ 件物品的重量。我们要做的是从数组 $nums$ 中选出若干个数字（每个元素最多选一次）使得其和刚好等于 $pos$ 或者 $neg$，并计算有多少种不同的选择方式。

I. 状态定义

对于本题，定义 $dp[i][j]$ 表示：从前 $i$ 个数字中选出若干个，使得被选出的数字其和为 $j$ 的方案数目。

II. 状态转移

根据本题的要求，上述「0-1 背包问题」的状态转移方程（1）可修改为：

当 $1\le i\le n$ 时，对于数组 nums 中的第 $i$ 个元素 num ( $i$ 的计数从 1 开始)，遍历 $0\le j\le neg$ ，计算 $dp[i][j]$ 的值：

• 如果 $j<num$ ，则不能选 num，此时有 $dp[i][j]=dp[i-1][j]$ ；
• 如果 $j\ge num$ ，则如果不选 num，方案数是 $dp[i-1][j]$ ，如果选 $num$ ，方案数是 $dp[i-1][j-$ $num]$ ，此时有 $dp[i][j]=dp[i-1][j]+dp[i-1][j-num]$ 。

因此状态转移方程如下:
$$dp[i][j]=\{\begin{array}{ll}dp[i-1][j],& j<nums[i]\\ dp[i-1][j]+dp[i-1][j-nums[i]],& j\ge nums[i]\end{array}$$

最终得到 $dp[n][neg]$ 的值即为答案。

III. 初始化

记数组 nums 的长度为 $n$。为便于状态更新，减少对边界的判断，初始二维 $dp$ 数组维度为 $(n+1)\times (\ast )$ ，其中第一维为 $n+1$ 也意味着：第 $i$ 个数字为 $nums[i-1]$，第 1 个数字为 $nums[0]$，第 0 个数字为空。

初始化时：

• $dp[0][0]=1$：表示从前 0 个数字中选出若干个数字使得其和为 0 的方案数为 1 ，即「空集合」不选任何数字即可得到 0。
• 对于其他 $dp[0][j],j\ge 1$ ，则有 $dp[0][j]=0$：「空集合」无法选出任何数字使得其和为 $j\ge 1$ 。 $dp[i][0]=1$ 在程序迭代实现中已有体现，在此无需提前重复定义。

$dp[i][0]=1$ 在程序迭代实现中已有体现，在此无需提前重复定义。

class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        total = sum(nums)
        if abs(target) > total:         # target可能为负
            return 0
        if (total + target) % 2 == 1:   # 不能被2整除【对应于pos不是整数】
            return 0
        
        pos = (total + target) // 2
        neg = (total - target) // 2
        capcity = min(pos, neg)         # 取pos和neg中的较小者，以使得dp空间最小
        n = len(nums)

        # 初始化
        dp = [[0] * (capcity+1) for _ in range(n+1)]
        # dp[i][j]: 从前i个元素中选出若干个其和为j的方案数
        dp[0][0] = 1        # 其他 dp[0][j]均为0
        
        # 状态更新
        for i in range(1, n+1):
            for j in range(capcity+1):
                if j < nums[i-1]:       # 容量有限，无法选择第i个数字nums[i-1]
                    dp[i][j] = dp[i-1][j]
                else:                   # 可选择第i个数字nums[i-1]，也可不选【两种方式之和】
                    dp[i][j] = dp[i-1][j] + dp[i-1][j-nums[i-1]]
        return dp[n][capcity]