1、动态规划法
本题原型是01背包问题,我们可以使用二维数组 d p [ i ] [ j ] dp[i][j] dp[i][j]记录当我们使用前i个元素时,能否找到总和为j的子集。为此我们在寻找状态转化时需要注意:1、当当前总和大于等于nums[i]时,此时我们可以添加新元素也可以不添加新元素,故 d p [ i ] [ j ] = d p [ i − 1 ] [ j ] ∣ d p [ i − 1 ] [ j − n u m s [ i ] ] dp[i][j] = dp[i - 1][j] | dp[i - 1][j - nums[i]] dp[i][j]=dp[i−1][j]∣dp[i−1][j−nums[i]];2、当当前总和小于nums[i]时,我们无法添加新元素,故 d p [ i ] [ j ] = d p [ i − 1 ] [ j ] dp[i][j] = dp[i - 1][j] dp[i][j]=dp[i−1][j]。最终我们返回数组的最后一位即可。
class Solution {
public:
bool canPartition(vector<int> &nums) {
int sum = 0, n = nums.size();
for (int i: nums) sum += i;
if (sum % 2 == 1) return false;
int target = sum / 2;
vector<vector<bool>> dp(n, vector<bool>(target + 1, false));
for (int i = 0; i < n; ++i) {
for (int j = 0; j <= target; ++j) {
if (j == 0) dp[i][j] = true;
if (i == 0 && j == nums[0]) dp[i][j] = true;
}
}
for (int i = 1; i < n; ++i) {
for (int j = 1; j <= target; ++j) {
if (j >= nums[i]) dp[i][j] = dp[i - 1][j] | dp[i - 1][j - nums[i]];
else dp[i][j] = dp[i - 1][j];
}
}
return dp[n - 1][target];
}
};
2、动态规划法优化
考虑到实际上二维数组中我们只会使用到上一行中的内容,故我们可以将二维数组用一维数组进行代替从而降低时间复杂度。值得注意的是,考虑到我们在计算dp[i][j]时可能会使用到dp[i - 1][j - nums[i]]的值,故我们在计算dp时应从后向前进行计算。
class Solution {
public:
bool canPartition(vector<int> &nums) {
int sum = 0, n = nums.size();
for (int i: nums) sum += i;
if (sum % 2 == 1) return false;
int target = sum / 2;
vector<bool> dp(target + 1, false);
dp[0] = true;
for (int i = 0; i < n; ++i) {
for (int j = target; j >= nums[i]; --j) {
dp[j] = dp[j] | dp[j - nums[i]];
}
}
return dp[target];
}
};