力扣494题:目标和
题目描述
给你一个整数数组 nums 和一个整数 target 。
向数组中的每个整数前添加 ‘+’ 或 ‘-’ ,然后串联起所有整数,可以构造一个 表达式 :
例如,nums = [2, 1] ,可以在 2 之前添加 ‘+’ ,在 1 之前添加 ‘-’ ,然后串联起来得到表达式 “+2-1” 。
返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。
输入输出样例
输入:nums = [1,1,1,1,1], target = 3
输出:5
解释:一共有 5 种方法让最终目标和为 3 。
-1 + 1 + 1 + 1 + 1 = 3
+1 - 1 + 1 + 1 + 1 = 3
+1 + 1 - 1 + 1 + 1 = 3
+1 + 1 + 1 - 1 + 1 = 3
+1 + 1 + 1 + 1 - 1 = 3
输入:nums = [1], target = 1
输出:1
解法一:使用递归实现
class Solution{
public:
int findTargetSumWays(vector<int>&nums,int target)
{
return dfs(nums,target,0,0);
}
//count,表明当前的字符串的长度
//curr,表明该路径遍历结点的值
int dfs(vector<int>nums,int target,int count,int curr)
{
//判断递归终止条件
if(count==nums.size())
{
return curr==target?1:0;
}
int left=dfs(nums,target,count+1,curr+nums[count]);
int right=dfs(nums,target,count+1,curr-nums[count]);
return left+right;
}
};
解法二:使用记忆化搜索
//使用记忆化搜素的思想,在hash表中将路径结点与出现的次数进行保存
class Solution2{
public:
unordered_map<string,int>maps;
int findTargetSumWays(vector<int>&nums,int target)
{
return dfs(nums,target,0,0);
}
//count,表明当前的字符串的长度
//curr,表明该路径遍历结点的值
int dfs(vector<int>nums,int target,int count,int curr)
{
string key=to_string(count)+"_"+to_string(curr);
if(maps.count(key))
{
return maps[key];
}
//判断递归终止条件
if(count==nums.size())
{
return curr==target?1:0;
}
int left=dfs(nums,target,count+1,curr+nums[count]);
int right=dfs(nums,target,count+1,curr-nums[count]);
maps[key]=left+right;
return maps[key];
}
};
解法三,使用动态规划
//使用动态规划,将原问题转换成0-1背包问题
//因为符号不仅只有+号还有-号,因此长度要为2*sum+1
//只考虑加法和减法操作,动态转移方程为
//dp[i][j]=dp[i-1][j-nums[i]]+dp[i-1][j+nums[i]]
class Solution3{
public:
int findTargetSumWays(vector<int>&nums,int target)
{
if(nums.empty())
{
return 0;
}
int sum=0;
//计算当前数组的总和
for(auto i:nums)
{
sum+=i;
}
//如果绝对值的总和小于target目标值,则无论如何添加路径都无法实现
if(abs(sum)<abs(target))
{
return 0;
}
int length=nums.size();
//range,需要包含两边的sum,(正数和负数),还要加上0
int range=2*sum+1;
//建立动态规划的数组
//数组需要从-sum开始进行实现
vector<vector<int>>dp(length,vector<int>(range));
//对动态规划数组进行初始化
//由0-1背包问题可以得出,初始背包容量只有nums[0]可以满足
dp[0][sum+nums[0]]+=1;
dp[0][sum-nums[0]]+=1;
//建立状态转移方程,设置边界条件
for(int i=1;i<length;i++)
{
for(int j=-sum;j<=sum;j++)
{
//当坐标大于右边界,只需要考虑结果是减法的即可
if((j+nums[i]>sum))
{
dp[i][j+sum]=dp[i-1][j-nums[i]+sum];
}
//当坐标小于左边界,只需要考虑加法
else if(j-nums[i]<-sum)
{
dp[i][j+sum]=dp[i-1][j+nums[i]+sum];
}
else{
dp[i][j+sum]=dp[i-1][j-nums[i]+sum]+dp[i-1][j+nums[i]+sum];
}
}
}
return dp[length-1][sum+target];
}
};
解法四:使用0-1背包实现
//动态规划,解法四
class Solution4{
public:
int findTargetSumWays(vector<int>&nums,int target)
{
if(nums.empty())
{
return 0;
}
int sum=0;
//计算当前数组的总和
for(auto i:nums)
{
sum+=i;
}
int diff=sum-target;
//使用动态规划的前提sum-target的结果是非负偶数
if(diff<0||diff%2!=0)
{
return 0;
}
int length=nums.size();
int neg=diff/2;
//定义状态转移方程
vector<vector<int>>dp(length+1,vector<int>(neg+1));
//初始化dp数组
dp[0][0]=1;
//状态转移
//先遍历物品
for(int i=1;i<=length;i++)
{
//再遍历背包容量
for(int j=0;j<=neg;j++)
{
dp[i][j]=dp[i-1][j];
//如果背包剩余j的容量大于放的物品nums[i-1]
//则可以将物品nums[i-1]放进背包中
if(j>=nums[i-1])
{
dp[i][j]+=dp[i-1][j-nums[i-1]];
}
}
}
return dp[length][neg];
}
};