算法-动态规划-背包问题-494.目标和-C++

---

来源

力扣题目链接
原创文章链接

问题

难度：中等

给定一个非负整数数组，a1, a2, …, an, 和一个目标数，S。现在你有两个符号 + 和 -。对于数组中的任意一个整数，你都可以从 + 或 -中选择一个符号添加在前面。

返回可以使最终数组和为目标数 S 的所有添加符号的方法数。

示例：

输入：nums: [1, 1, 1, 1, 1], S: 3
输出：5
解释：

-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
一共有5种方法让最终目标和为3。

提示：

数组非空，且长度不会超过 20 。
初始的数组的和不会超过 1000 。
保证返回的最终结果能被 32 位整数存下。

思路

问题分析：

• 我们发现若要得到目标值target，需要数组值总和sum+target的值%2等于0，这样才能通过+ -得到target。经过这样的转换，我们发现得到了一个背包问题。
• 并且限制条件为target的绝对值肯定不会大于sum。
• 假设加法的总和为x，那么减法对应的总和就是sum - x。
• 所以我们要求的是 x - (sum - x) = target
• x = (target + sum) / 2
• 这个x就是我们要求的j。

使用动规五部曲分析：

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

1. 确定dp数组（dp table）以及下标的含义

采取一维dp数组：
dp[j]代表j的大小的背包里面，有dp[j]种方法。

2. 确定递推公式

如何推导递推公式呢？
这个比较难想
思路是在数组选取相应的数组成x
例如nums：【1，2】 target：1
j的最大值为（sum+target）/2=2；
当我们选择2来填满背包时，+2-1=1成立。
即只有一种方法。

只要搞到nums[i]），凑成dp[j]就有dp[j - nums[i]] 种方法。
也就说我们本来就有dp[j - nums[i]] 种方法来填满j - nums[i]大小的背包，当我们有获得了nums[i]使其得达到容量j时，我们也要加上对应的dp[j - nums[i]]

当我们获得了容量大小为1时，我们有 dp[4]种方法 凑成 容量为5的背包。
同理：
有一个2 的话，有 dp[3]种方法 凑成 容量为5的背包。
有一个3 的话，有 dp[2]中方法 凑成 容量为5的背包
有一个4 的话，有 dp[1]中方法 凑成 容量为5的背包
有一个5 的话，有 dp[0]中方法 凑成 容量为5的背包

得到递归公式

dp[j] += dp[j - nums[i]]

3. dp数组如何初始化

如果数组[0] ，target = 0，那么 bagSize = (target + sum) / 2 = 0。 dp[0]也应该是1， 也就是说给数组里的元素 0 前面无论放加法还是减法，都是 1 种方法。
所以本题我们应该初始化 dp[0] 为 1。

4. 确定遍历顺序

对于01背包问题一维dp的遍历，nums放在外循环，target在内循环，且内循环倒序。

5. 举例推导dp数组

输入：nums: [1, 1, 1, 1, 1], S: 3

bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4

dp数组状态变化如下：

C++代码如下：

class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int S) {
        int sum = 0;
        for (int i = 0; i < nums.size(); i++) sum += nums[i];
        if (abs(S) > sum) return 0; // 此时没有方案
        if ((S + sum) % 2 == 1) return 0; // 此时没有方案
        int bagSize = (S + sum) / 2;
        vector<int> dp(bagSize + 1, 0);
        dp[0] = 1;
        for (int i = 0; i < nums.size(); i++) {
            for (int j = bagSize; j >= nums[i]; j--) {
                dp[j] += dp[j - nums[i]];
            }
        }
        return dp[bagSize];
    }
};