494. 目标和-每日一题

一、题目

  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。

点击查看原题

二、思路

1）回溯法

  使用递归进行回溯，对于每个数都有+和-两种表达式，当数组所有元素都选择完毕，进行累加和的结果判断，等于target就使计数cnt自增1.

2）动态规划

  设定所有元素正数和为$$sum=nums[0]+nums[1]+...+nums[n]$$  有在[0, n]区间的随机集合u，假定根据集合u{k1, k2,…,kx}作为下标，负数和为$$neg=-\sum _{y\in u}nums[y]=-nums[k1]-nums[k2]-...-nums[kx]$$  除开负数集合的正数之和为sum+neg，那么可以得到：
$$taget=sum+neg+neg=sum+2\ast neg=>neg=\frac{target-sum}{2}$$  从这个式子中可以得知，neg一定为2的倍数（编程中的neg其实为-neg），并且target-sum一定要小于0才有解。

  根据上面的思路，只需要找到nums数组中有没有能挑选出来元素之和为-neg即可。（这就变成了01背包问题）
  创建数组dp[i][j]，代表前i个元素中和为j的方案数量，可以得到状态转移方程：
$$dp[i][j]=\{\begin{array}{ccc}dp[i-1][j]& & j<nums[i-1]\\ dp[i-1][j]+dp[i-1][j-nums[i-1]]& & j>=nums[i-1]\end{array}$$
  计算最后结果dp[nums.length][neg]为所求解的值

三、代码

1）回溯法

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        return backtrace(nums, target, 0, 0);
    }
    private int backtrace(int[] nums, int target, int i, int sum) {
        int cnt = 0;
        if (i == nums.length) {
            return sum == target ? 1 : 0;
        }
        cnt += backtrace(nums, target, i+1, sum + nums[i]);
        cnt += backtrace(nums, target, i+1, sum - nums[i]);
        return cnt;
    }
}

  时间复杂度为O(2)，空间复杂度为O(nums.length)。

2）动态规划

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int sum = 0;
        for (int num : nums) {
            sum += num;
        }
        int diff = sum - target;	// 这里使用sum-target，求出来的diff就是理应为大于等于0的数
        if (diff < 0 || (diff & 1) == 1) {
            return 0;
        }
        int neg = diff/2;	// 从而neg也表示的为负的负数和
        int[][] dp = new int[nums.length+1][neg + 1];
        dp[0][0] = 1;
        for (int i = 1; i < dp.length; i++) {
            for (int j = 0; j < dp[0].length; j++) {
                dp[i][j] = dp[i-1][j];
                if (j >= nums[i-1]) {
                    dp[i][j] += dp[i-1][j-nums[i-1]];
                }
            }
        }
        return dp[nums.length][neg];
    }
}

  时间复杂度为O(negnums.length)，空间复杂度为O(negnums.length)。

3）动态规划优化

  由于状态转移方程中，dp[i][j]只依赖i的状态，所以可以将二维数组压缩成一维，由于一维的情况
  使用同一个一维数组，j<nums[i-1]情况的直接继承上一个状态的赋值可以省掉，节约了时间。（从高位向低遍历）

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int sum = 0;
        for (int num : nums) {
            sum += num;
        }
        int diff = sum - target;
        if (diff < 0 || (diff & 1) == 1) {
            return 0;
        }
        int neg = diff/2;
        int[] dp = new int[neg + 1];
        dp[0] = 1;
        for (int i = 0; i < nums.length; i++) {
            for (int j = neg; j >= nums[i]; j--) {	// 判断条件代表直接跳过j<nums[i]的部分，继承上一状态
                dp[j] += dp[j-nums[i]];
            }
        }
        return dp[neg];
    }
}

  时间复杂度为O(neg*nums.length)，空间复杂度为O(neg)。