LeetCode刷题日记（1155. 掷骰子等于目标和的方法数）

        动态规划是一种问题求解思想，通过将大问题分解为小问题并存储小问题的解以避免重复计算，从而提高效率。它通常用于解决需要递归求解的问题，如计算斐波那契数列、寻找最短路径、背包问题等。动态规划的好处在于它能够显著减少计算时间，通过利用已解决的子问题来快速解决更大的问题，因此在处理复杂的组合优化和最优化问题时特别有用。

        动态转移方程的构建是动态规划问题中的关键步骤，它描述了问题的子问题之间的关系，以便从小的子问题逐步构建出更大的问题的解。
        

        第i个骰子有k个面，从1到k，我们可以选择任意一个面的点数。因此，dp[i][j]可以通过前一个状态dp[i-1][j-x]（其中x是1到k的任意值）来计算。这是因为前i个骰子和为j的方法可以由前i-1个骰子和为j-x的方法累加得到，其中x是当前骰子的点数。

        因此，动态转移方程可以表示为：

        dp[i][j] = dp[i-1][j-1] + dp[i-1][j-2] + ... + dp[i-1][j-k]

其中，i表示当前骰子的序号，j表示当前和的值，k表示骰子的面数。

"""
这里有 n 个一样的骰子，每个骰子上都有 k 个面，分别标号为 1 到 k 。
给定三个整数 n ,  k 和 target ，返回可能的方式(从总共 kn 种方式中)滚动骰子的数量，
使正面朝上的数字之和等于 target 。
答案可能很大，你需要对 10^9 + 7 取模 。
"""

class Solution:
    def numRollsToTarget(self, n: int, k: int, target: int) -> int:
        mod = 10 ** 9 + 7
        # n个k面骰子，和最小为n，最大为n*k
        # dp[i][j] 表示前i个骰子和为j的方法数
        dp = [[0] * (target + 1) for _ in range(n + 1)]
        dp[0][0] = 1
        # 状态转移方程：
        # 前i个骰子和为j的方法数 = 前i-1个骰子和为j-1的方法数 + 前i-1个骰子和为j-2的方法数 + ... + 前i-1个骰子和为j-k的方法数
        # dp[i][j] = dp[i-1][j-1] + dp[i-1][j-2] + ... + dp[i-1][j-k] k=1,2,3,...,k 且 j-k>=0
        for i in range(1, n + 1):
            for j in range(1, target + 1):
                for x in range(1, k + 1):
                    if j >= x:
                        dp[i][j] += dp[i - 1][j - x]
                        dp[i][j] %= mod
        # print(dp)
        return dp[n][target]