Given a non-empty array nums
containing only positive integers, find if the array can be partitioned into two subsets such that the sum of elements in both subsets is equal.
Example 1:
Input: nums = [1,5,11,5]
Output: true
Explanation: The array can be partitioned as [1, 5, 5] and [11].
Example 2:
Input: nums = [1,2,3,5]
Output: false
Explanation: The array cannot be partitioned into equal sum subsets.
Constraints:
1 <= nums.length <= 200
1 <= nums[i] <= 100
题目链接:https://leetcode.com/problems/partition-equal-subset-sum/
把一个数组分成2个部分,2个部分的元素和相等。
一维数组的01背包
dp[i]:表示数组里元素能否组成元素和为i,值是true或者false。
补充一点:比如来了一个元素6,dp[6]=(dp[6-6] || dp[6])=true;
为什么是dp[i] || dp[i-it] 呢???,如果直接是dp[i-it]呢,那么比如这次dp[6]=true了,下次来一个元素3,那dp[6]取值依靠于 dp[6-3],如果dp[3]是false,那dp[6]就是false了,那显然是不对的。
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum=0;
for(auto it:nums)
{
sum+=it;
}
if(sum%2==1)
return false;//元素和是 奇数,肯定是不可能划分成2个数值和相等的子集
sum/=2;
vector<bool> dp(sum+1,false);
dp[0]=true;
for(auto it:nums)
{
for(int i=sum;i>=it;i--)
{
dp[i]=(dp[i] || dp[i-it]);
}
}
return dp[sum];
}
};
最原始版本的01背包,二维数组
dp[i][j]:表示前i(下标从1开始)个数能否组成 累计和 等于 j。dp[2][6]=true,表明前2个数能组成累计和为6。
初始赋值:所有的dp[i][0]都是true,组成和是0肯定是成立的,所以是true。
这样遍历数组中每一个元素即可,在计算dp[i][]这一数组时:
1.如果j没有第i个数(nums[i-1])大,
dp[i][j]=dp[i-1][j]
2.j大于等于第i个数(nums[i-1])
dp[i][j]= dp[i-1][j] || dp[i-1][j-nums[i-1]] (取或操作,比如在计算dp[3][6]时,nums[2]=3,如果dp[2][6]=true或者dp[2][3]=true,只要满足其中一个条件,dp[3][6]就是成立的true)
class Solution {
public:
bool canPartition(vector<int>& nums) {
int sum=0;
for(auto it:nums)
{
sum+=it;
}
if(sum%2==1)
return false;//元素和是 奇数,肯定是不可能划分成2个数值和相等的子集
sum/=2;
vector<vector<bool>> dp(nums.size()+1,vector<bool>(sum+1,false));
//dp[i][j]: 前i(从1开始)个元素能否组成 累计和 是 j,值是true/false
// for(int i=0;i<nums.size();i++)
// dp[i][0]=true;
for(int i=1;i<=nums.size();i++)
{
dp[i][0]=true;
// for(int j=1;j<=sum;j++) //这是二维的01背包,j从小到大 从大到小 不影响。
for(int j=sum;j>=1;j--)
{
if(nums[i-1]>j)
{
dp[i][j]=dp[i-1][j];//i下标从1开始,不然 i-1下标出错
}
else
{
dp[i][j]=(dp[i-1][j-nums[i-1]] || dp[i-1][j]);
}
}
}
return dp[nums.size()][sum];
}
};