组合总和 IV
题目描述:
给定一个由正整数组成且不存在重复数字的数组,找出和为给定目标正整数的组合的个数。
示例:
nums = [1, 2, 3]
target = 4
所有可能的组合为:
(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)
请注意,顺序不同的序列被视作不同的组合。
因此输出为 7。
进阶:
如果给定的数组中含有负数会怎么样?
问题会产生什么变化?
我们需要在题目中添加什么限制来允许负数的出现?
问题分析:
两种方法
递归回溯:
按照递归回溯流程,就算出所有满足条件的数组,然后return 数组的元素个数
但是在提交的时候 可能会超时
动态规划:
这里状态定义就是题目要求的,并不难,状态转移方程要动点脑子,也不难:
状态转移方程:dp[i]= dp[i - nums[0]] + dp[i - nums[1]] + dp[i - nums[2]] + ... (当 [] 里面的数 >= 0)
特别注意:dp[0] = 1,表示,如果那个硬币的面值刚刚好等于需要凑出的价值,这个就成为 1 种组合方案
再举一个具体的例子:nums=[1, 2, 3], target=4;
dp[0] = 1
dp[1] = dp[1-1] = 1
dp[2] = dp[2-1] + dp[2-2] = 1 + 1 = 2
dp[3] = dp[3-1] + dp[3-2] + dp[3-3] = 2 + 1 + 1 = 4
dp[4] = dp[4-1] + dp[4-2] + dp[4-3] = 4 + 2 + 1 = 7
即:7 的组合数可以由三部分组成,1 和 dp[6],3 和 dp[4], 4 和dp[3],然后再次往下分
最终,dp[target] 的值 就是 满足条件的所有方案的个数
代码展示(已验证):
递归回溯
//leetcode-java 377.组合总和 IV
class Solution {
public int combinationSum4(int[] nums, int target) {
if(nums.length==0)
return 0;
else
return combinationsum4(nums,target).size(); //返回数组的长度
}
static List<List<Integer>> combinationsum4(int[] candidates, int target)
{
// 创建一个return 的大数组
// 创建一个 小数组,数据是满足情况的组成数组,然后加入到大数组中去
List<List<Integer>> listAll = new ArrayList<List<Integer>>();
List<Integer> list = new ArrayList<Integer>();
Arrays.sort(candidates);
find(listAll,list,candidates,target,0);
return listAll;
}
static void find(List<List<Integer>> listAll, List<Integer> tmp, int[] candidates, int target,int num)
{
// 递归终点
if(target ==0)
{
listAll.add(tmp);
return;
}
if(target < candidates[0])
return;
for(int i=num; i<candidates.length && candidates[i] <= target; i++ )
{
// 拷贝一份,不影响下次递归
List<Integer> list = new ArrayList<>(tmp);
list.add(candidates[i]);
// 递归运算,将 i 传递至下一次运算是为了避免结果重复
find(listAll,list,candidates,target-candidates[i],0);
}
}
动态规划
//leetcode-java 377.组合总和 IV
class Solution {
public int combinationSum4(int[] nums, int target) {
int len = nums.length;
if (len == 0) {
return 0;
}
int[] dp = new int[target + 1];
// 注意:理解这一句代码的含义
dp[0] = 1;
for (int i = 1; i <= target; i++) {
for (int j = 0; j < len; j++) {
if (i - nums[j] >= 0) {
dp[i] += dp[i - nums[j]];
}
}
}
return dp[target];
}
}
类似题目:
泡泡:
使用递归回溯解答这个题,完全就是遵循以往思路,不可取,因为 明显里面的很多东西是不必要的
使用动态规划的话确实能够减少一些时间,但是这种使用方式仍然算不上高效