力扣-动态规划-494. 目标和 两种方法对比

力扣-动态规划-494. 目标和 两种方法对比

494. 目标和

题目描述

给你一个整数数组 nums 和一个整数 target 。

向数组中的每个整数前添加 ‘+’ 或 ‘-’ ，然后串联起所有整数，可以构造一个 表达式 ：

例如，nums = [2, 1] ，可以在 2 之前添加 ‘+’ ，在 1 之前添加 ‘-’ ，然后串联起来得到表达式 “+2-1” 。
返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/target-sum
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

示例 1：
输入：nums = [1,1,1,1,1], target = 3
输出：5
解释：一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3

示例 2：
输入：nums = [1], target = 1
输出：1

提示：
1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/target-sum
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

解题思路：动态规划 01背包

 今天用答案的思路把这道目标和的题目重新刷了一遍，颇有感触。我自己原本的思路是用普通动态规划完成的，https://blog.csdn.net/qianxunsiyue/article/details/123858133，不具有普适性，这是我自己的思路，大家可以看看。答案的思路就是01背包问题求组合数量的通用解法了。
 01背包问题里面有背包容量，有物品重量，有物品价值，每个物品只有两种选择，选或不选。在本题中，数组中的每个元素就先相当于物品，元素的值就相当于重量。这类背包问题的应用都是需要将问题转化为我们熟悉的模型才方便解决，本题中我们假设数组中所有元素和为sum，符号为正的那部分元素和为x，则符号为负的那部分元素和为sum - x，则根据条件，x - (sum - x) = target。因此可以推导出来，x = (sum + target)/2。这道题我们就转为了求在给定的数组元素中求和为(sum + target)/2的所有可能的组合，此时如果(sum + target)不能被2整除，那说明一种情况都没有符合的，直接返回0。到这里本题就转化为了求子集的最大组合数量问题，(sum + target)/2就是背包的容量bagSize。问题就回到了经典的01背包上来。
 至于为何要将dp[0]初始化为1，我是这样理解的，我们在遍历容量的时候，肯定是遍历不到容量j==0的情况，那么dp[0]的初始值有什么用呢？考虑这样一种情况：容量为4，物品 i 重量也为4，这个时候选择物品 i 也能满足条件，选择了物品i之后，背包剩下的容量就是0。dp[0]的含义就是物品重量刚好和背包 i 容量相同时，选择物品 i 也是一种组合方式。
 还剩下最后一个难理解的点，求递推公式的时候，
dp[j] += dp[j - nums[j]]
这个问题不搞清楚，后面类似的题目都会遇到麻烦。遍历的时候，我们让外层遍历物品，内层遍历背包容量。对每一个物品 i 和对应的背包容量，我们可以选择这个物品，也可以不选择这个物品。当选择物品 i 时，最大组合数量为dp[j - nums[i]]，当不选择物品 i 时，最大组合数量为未更新前的dp[j]。因此对于物品 i 和容量 j ，最大组合数量就是dp[j] = dp[j] + dp[j - nums[i]]，即 dp[j] += dp[j - nums[i]]。我们把所有的容量从大到小倒序遍历一遍。容量为 j - nums[i] 时，我们最大的组合数量是dp[j - nums[i]]，
 代码如下，各位小伙伴如果有什么问题可以在评论里提出来，欢迎大家交流。

//当物品为i时，dp[0]表示只选择物品i刚好可以凑够目标和，此时也是一种选择，因此dp[0]需要初始化为1
    public int findTargetSumWays(int[] nums, int target) {
        int sum = 0;
        for (int ele : nums) {
            sum += ele;
        }
        if (target < -sum || target > sum) {
            return 0;
        }
        if ((sum + target) % 2 == 1) {
            return 0;
        }
        int bagSize = (sum + target) / 2;
        int[] dp = new int[bagSize + 1];
        dp[0] = 1;
        for (int i = 0; i < nums.length; i++) {
            for (int j = bagSize; j >= nums[i]; j--) {
                dp[j] += dp[j - nums[i]];
            }
        }
        return dp[bagSize];
    }