Leetcode377-组合总和 Ⅳ详细题解（动态规划）

题目描述

给定一个由正整数组成且不存在重复数字的数组，找出和为给定目标正整数的组合的个数。

示例:

nums = [1, 2, 3]
target = 4

所有可能的组合为：

(1, 1, 1, 1)
(1, 1, 2)
(1, 2, 1)
(1, 3)
(2, 1, 1)
(2, 2)
(3, 1)

请注意，顺序不同的序列被视作不同的组合。

因此输出为 7。

进阶：
如果给定的数组中含有负数会怎么样？
问题会产生什么变化？
我们需要在题目中添加什么限制来允许负数的出现？

解题思路

画树形图分析。

很容易发现“重叠子问题”，因此，我们可以使用“动态规划”来做。

对上图的解释：

方法：动态规划
“动态规划”的两个步骤是思考“状态”以及“状态转移方程”。

1、状态

对于“状态”，我们首先思考能不能就用问题当中问的方式定义状态，上面递归树都画出来了。当然就用问题问的方式。

dp[i] ：对于给定的由正整数组成且不存在重复数字的数组，和为 i 的组合的个数。

思考输出什么？因为状态就是问题当中问的方式而定义的，因此输出就是最后一个状态 dp[n]。

2、状态转移方程

由上面的树形图，可以很容易地写出状态转移方程：

dp[i] = sum{dp[i - num] for num in nums and if i >= num}

注意：在 0这一点，我们定义 dp[0] = 1 的，它表示如果 nums 里有一个数恰好等于 target，它单独成为 1 种可能。

参考代码：

• Java

/**
 * @author 灵洛
 * @date 2020/3/9 21:36
 * 题目描述：给定一个由正整数组成且不存在重复数字的数组，找出和为给定目标正整数的组合的个数。
 * 状态转移方程：dp[i] = sum{dp[i - num] for num in nums and if i >= num}
 * 也就是 dp[i]= dp[i - nums[0]] + dp[i - nums[1]] + dp[i - nums[2]] + ...
 * 状态转移方程：dp[i]= dp[i - nums[0]] + dp[i - nums[1]] + dp[i - nums[2]] + ... （当 [] 里面的数 >= 0）
 * 特别注意：dp[0] = 1，表示，如果那个硬币的面值刚刚好等于需要凑出的价值，这个就成为 1 种组合方案
 * 再举一个具体的例子：nums=[1, 3, 4], target=7;
 * dp[7] = dp[6] + dp[4] + dp[3]
 * 即：7 的组合数可以由三部分组成，1 和 dp[6]，3 和 dp[4], 4 和dp[3];
 */
public class Combination_sum_iv_377 {
    public static void main(String[] args) {
        int result = combinationSum4(new int[]{1, 2, 3}, 4);
        System.out.println(result);
    }

    /**
     *
     * @param nums 数组
     * @param target 正整数
     * @return
     */
    public static int combinationSum4(int[] nums, int target) {
        // 数组长度
        int len = nums.length;
        if (len == 0) {
            return 0;
        }

        // 1.初始化dp数组 dynamic programming
        int dp[] = new int[target + 1];
        // 代表一个空集 空集和它"前面"的元素凑成一种解法，所以是 1
        dp[0] = 1;
        // 动态规划
        // 2.遍历目标正整数 i的意思是当前的目标正整数
        for (int i = 1; i <= target; i++) {
            // 3.遍历数组
            for (int num : nums) {
                if ( i - num >= 0) {
                    // dp[i]= dp[i - nums[0]] + dp[i - nums[1]] + dp[i - nums[2]] + ...
                    dp[i] += dp[i - num];
                }
            }
        }
        return dp[target];
    }
}

i代表当前的目标正整数 num代表选择的数
dp[i] 代表目标正整数i有几种组合结果
dp[i - num] 代表选择了num之后的新的目标正整数i - num 有几种组合结果
dp[0] = 1 代表这是一个空集，加上我们选择的数（目标正整数本身）就是我们的目标正整数

• Python

class Solution:
    def combinationSum4(self, nums, target):
        size = len(nums)
        if size == 0 or target <= 0:
            return 0

        dp = [0 for _ in range(target + 1)]
        
        # 这一步很关键，想想为什么 dp[0] 是 1
        # 因为 0 表示空集，空集和它"前面"的元素凑成一种解法，所以是 1
        # 这一步要加深体会
        
        dp[0] = 1

        for i in range(1, target + 1):
            for j in range(size):
                if i >= nums[j]:
                    dp[i] += dp[i - nums[j]]

        return dp[-1]

对于进阶问题的思考
1、如果给定的数组中含有负数会怎么样？问题会产生什么变化？

如果有负数，相当于给定数组中的元素有了更多的组合，特别是出现了一对相反数的时候，例如题目中的示例 [-4, 1, 2, 3, 4]，target = 4 的时候，-4 和 4 可以无限次地、成对添加到题目中的示例中，成为新的组合，那么这道问题就没有什么意义了。

仔细思考，负数我只要不选它就行了。但由于这道问题的问法是“组合”，因此我们要保证有负数参与进来，不能够与已有的正数的组合之和为 0 即可。

2、我们需要在题目中添加什么限制来允许负数的出现？

如果有负数参与进来，不能够与已有的正数的组合之和为 0 ；
或者限制负数的使用次数，设计成类似 0-1 背包问题的样子。

动态规划和贪心算法的区别

动态规划具有两个性质：

1）重叠子问题

2）最优子结构

贪心算法：

1）贪心选择性质

2）最优子结构

最优子结构性质是指问题的最优解包含其子问题的最优解时，就称该问题具有最优子结构性质，重叠子问题指的是子问题可能被多次用到，多次计算，动态规划就是为了消除其重叠子问题而设计的。其实贪心算法是一种特殊的动态规划，由于其具有贪心选择性质，保证了子问题只会被计算一次，不会被多次计算，因此贪心算法其实是最简单的动态规划。