Timus#1005

C++【动态规划】

#include<iostream>
#include<vector>
using namespace std;
int main()
{
	int n;
	cin >> n;
	vector<int> dp(100000 * 20);
	vector<int> a(n);
	int ans = 0, cur = 0;
	for (int i = 0; i < n; i++)
	{
		cin >> a[i];
		ans += a[i];
	}
	int sum = ans / 2;
	for (int i = 0; i < n; i++)
		for (int j = sum; j >= a[i]; j--)
			dp[j] = max(dp[j], dp[j - a[i]] + a[i]);

	cout << ans - dp[sum] * 2 << endl;
	return 0;
}

C【动态规划】

#include <stdio.h>
#include <stdlib.h>
#define MAXN 100000 * 20
int main()
{
    int n;
    scanf("%d", &n);
    int* dp = (int*)malloc(sizeof(int) * (MAXN + 1));
    int a[20];
    int sum = 0, ans = 0;
    for (int i = 0; i < n; i++)
    {
        scanf("%d", &a[i]);
        ans += a[i];
    }
    sum = ans / 2;
    dp[0] = 0;
    for (int i = 0; i < n; i++)
        for (int j = sum; j >= a[i]; j--)
            dp[j] = (dp[j] > dp[j - a[i]] + a[i]) ? dp[j] : dp[j - a[i]] + a[i];
    printf("%d\n", abs(ans - 2 * dp[sum]));
    free(dp);
    return 0;
}

算法介绍：动态规划

        首先计算输入数组a的总和，并设定目标和为总和的一半。初始化动态规划数组 dp，其中 dp[j]表示当前考虑了部分元素后，能否组成一个和为 j 的子集。遍历数组 a，对每个元素尝试加入到满足条件的“堆”中（即更新 dp[j]），确保在所有可能的划分方案中找到使得两个堆的和相差最小的情况。最后输出原数组总和与目标和所能达到的最大价值的两倍之差，即两堆之差的最小值。

时间复杂度：o（n^2）

这段代码的时间复杂度主要取决于两个嵌套循环的执行次数。外层循环遍历输入数组 a 的所有元素，其时间复杂度为 O(n)。 内层循环对于数组中的每个元素，会从目标和 sum 开始一直减到当前元素为止，其时间复杂度在最坏情况下是 O(sum)，因为对于较大的元素，内层循环可能接近于 sum 次迭代。由于在最坏情况下，sum 可以达到数组元素总和的一半，而数组元素总和与数组大小 n 相关，因此可以假设在极端情况下，sum 与 n 成正比，即 sum = O(n)。所以，总的复杂度是外层循环与内层循环复杂度的乘积，即 O(n * sum) ≈ O(n^2)。这意味着当输入数组规模增大时，算法所需的时间将以二次方的速度增长。