上网查了很多解决子集和的问题,但是都表达有点不清楚,我来用一种更加通俗的语言来讲解吧!
题目是给一个数组,再给一个目标值,看是否有子集加起来能够满足目标值
首先给一个数组,比如array = {5,7,8,2,3,12}
给一个target = 10
显然我们可以看出 5 + 2 + 3 = 10
接下来我们就来看看怎样判断是否满足条件
首先看最后一个元素 12
12比10大
显然12肯定不能作为我们的子集元素
这样我们只考虑前面5个元素
我们的目标值还是10
然后我们的范围缩小到5个元素
我们发现3小于10,那么3可能是我们目标子集的元素
如果是,那么我们缩小范围 前面4目标10-3=7
如果不是,那么和之前一样 缩小范围 前面4目标还是10
只要有一个为真,那么意味着条件成立,故用或语句
以此类推
然后判断边界
前面0目标任意值 我们知道没有元素 无论目标是什么 都无法实现 置0
前面任意值目标0 我们知道目标为0,无论前面的数字是什么都可以实现 置1
这样我们就可以用递归的方式来解决问题
但是我们发现,如果递归,那么每个小于target的数据,都会面临选不选的问题,其实我们又变成了穷举法的笨办法,如果我们用一个数组,把每种情况保存下来,那么就会大大减轻我们的压力,这就是动态规划
代码如下
int list[101][101]; // 前a个元素
int array[5] = {5,7,8,2,3};
int target = 10;
for(int i=0;i<=10;i++){
list[0][i] = 0; // 没有元素任意值都无法实现
}
for(int i=0;i<=5;i++){
list[i][0] = 1; // 任何子集都可以实现等于0
}
for(int i=1;i<=10;i++){ // target
for(int j=1;j<=5;j++){ // 元素
if(array[j-1] > i) list[j][i] = list[j-1][i]; // array[j]不属于子集
else{
list[j][i] = list[j-1][i - array[j-1]] | list[j-1][i];
}
}
}
先把一些简单的问题处理掉,比如前面1目标1,拿上面的题目来说,很轻易判断出,1>5,肯定不符合条件,那么缩小至前面0目标1,之前推出的数据显示,为False。那么难的问题,就可以根据上一步推出的结果,来进行运算,比穷举大大优化了复杂度。但动态规划唯一的缺点就是虽然能很好的判断是非问题,也能计算出某些问题的最大值,但是不能直接得出是哪几个子元素,也不能得出走哪条具体的路径能得到最大值,就给出了最大值的答案。这就要用到回溯算法了,具体还要再学习啊!