1 思路分析
这个问题至少有两种解法,分别为回溯法和动态规划法。本题使用动态规划法求解的关键在于问题的转换,如何将问题转换为动态规划问题。
1.1 问题转换
记数组的元素和为sum,添加-号的元素之和为neg,则其余添加+的元素之和为sum−neg,+元素之和减去-好元素之和即为所有元素±元素后的总结果,即:
(sum − neg) − neg = sum − 2⋅neg = target
即:
neg = (sum - target) / 2
该问题便可以转换为:
在数组nums中选取若干元素,使得这些元素之和等于neg,计算选取元素的方案数/组合数。由此问题转换为了动态规划问题。
1.2 01背包问题
我们可以发现,该动态规划实为一个01背包问题。
1.3 dp要素分解
dp[i][j]:在数组nums的前i个数中选取元素,使得这些元素之和等于j的方案数;
dp初始化:dp[0][0] = 1,其他为0;
状态转移方程:
dp[i][j] = dp[i-1][j] j < nums[i]--nums[i]一定不能加入
= dp[i-1][j] + dp[i-1][j-nums[i]]--nums[i]可加入也可不加入
遍历顺序:
先遍历元素个数i,再遍历元素和j。
2 完整代码
int findTargetSumWays(vector<int>& nums, int target) {
int n = nums.size();
int sum = 0;
for (auto& x : nums)
sum += x;
int diff = sum - target;
if (diff < 0 || diff % 2 != 0)
return 0;
int neg = diff / 2;
vector<vector<int>> dp(n+1, vector<int>(neg+1, 0));
dp[0][0] = 1;
for (int i = 1; i <= n; i++) {
int num = nums[i-1];
for (int j = 0; j <= neg; j++) {
if (num > j) {
dp[i][j] = dp[i-1][j];
} else{// 加入元素i或者不加入
dp[i][j] += dp[i-1][j-num] + dp[i-1][j];
}
}
}
return dp[n][neg];
}