力扣：494.目标和

一、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。

示例 1：
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

示例 2：
输入： nums = [1], target = 1
输出： 1

提示：
   1 <= nums.length <= 20
   0 <= nums[i] <= 1000
   0 <= sum(nums[i]) <= 1000
   -1000 <= target <= 1000

二、问题分析

  乍一看这道题跟动态规划没什么关系。但是仔细分析题目，“向数组中的每个整数前添加’+‘或’-’”，这里不就是取不取的问题吗？那就可以用动态规划0-1背包来解决问题。那要怎样确定dp数组？怎样确定递推公式？这里先确定背包的最大容量bagSize，这要看你对数学的敏感程度了。
  先记数组的元素和为sum，记在前面添加“-”的元素和为sub，那么前面添加“+”的元素和为sum-sub，那么$(sum-sub)-sub=target$，则$sub=(sum-target)/2$。由于sum和target已经确定，那么sub也就是确定得，就可以确定背包最大容量为sub。从数组取出部分元素使得总和刚好为sub，而题目要求的是方法数，转化为装满容量为sub的背包有几种方法。
  注意：从题目提示中知道数组所元素是非负整数，那么sub必须也非负整数，即target<=sum，在提示中target可以是负数，当全部数组元素都取“-”时，target为最小，即target>=-sum，也就是abs(target)<=sum。还有就是sum-target必须能够整除2，即(sum - target) % 2 == 0。

• 确定dp数组及下标的含义：dp[$j$]表示装满$j$（包括$j$）这么大容量的背包，有dp[$j$]种方法。
• 确定递推公式：在不考虑nums[$i$]的情况下，装满容量为$j$-nums[$i$]的背包，有dp[$j$-nums[$i$]]种方法，那么只要找到nums[$i$]，凑成dp[$j$]就有dp[$j$-nums[$i$]]种方法，所以递推公式为：dp[j] += dp[j-nums[i]]
• 初始化dp数组：从递推公式看出，只要初始化dp[0]就可以了，而装满容量为0背包有1种方法，也就是装0件物品，即dp[0]=1，而其他数则初始为0就可以。
• 确定遍历顺序：遍历顺序逻辑与0-1背包是一样的，使用一维数组，遍历物品的for循环放在外层，遍历背包的for循环放在内层，且内层for循环使用倒叙遍历。

三、代码实现

// 编程软件：VS2019
// 参考书籍：代码随想录

#include<iostream>
#include<vector>
#include<algorithm>
using namespace std;

// 动态规划：时间复杂度O(n×(sum-target)),空间复杂度O(sum-target)
int findTargetSumWays(vector<int>& nums, int target) {
	int sum = 0;
	for (int i = 0; i < nums.size(); i++) sum += nums[i];
	if (abs(target) > sum) return  0; // target绝对值大于sum，就直接返回false
	if ((sum - target) % 2 != 0) return 0; // 不能整除2，就直接返回false
	int bagSize = (sum - target) / 2; // 最大背包容量
	vector<int> dp(bagSize + 1, 0);
	dp[0] = 1;
	// 0-1背包逻辑
	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];
}

int main() {
	vector<int>nums = { 1,1,1,1,1 };
	int target = 3;
	cout << findTargetSumWays(nums, target);
}
// 结果：5

四、小结

  这道题首先要看得出与动态规划有关（这就要平时多做多看一些动态规划得题目了），然后再去推导出最大背包容量，再转化成装满容量sub容量方法有几种，而对于求装满背包有几种方法问题，递推公式一般都为 dp[j] += dp[j-nums[i]]。
力扣：416. 分割等和子集