leetcode背包问题 等分数组

对于这个问题，看起来和背包没有任何关系，为什么说它是背包问题呢？ ⾸先回忆⼀下背包问题⼤致的描述是什么： 给你⼀个可装载重量为 W 的背包和 N 个物品，每个物品有重量和价值两 个属性。其中第 i 个物品的重量为 wt[i] ，价值为 val[i] ，现在让你⽤ 这个背包装物品，最多能装的价值是多少？ 那么对于这个问题，我们可以先对集合求和，得出 sum ，把问题转化为背 包问题：
经典动态规划：⼦集背包问题
给⼀个可装载重量为 sum / 2 的背包和 N 个物品，每个物品的重量为 nums[i] 。现在让你装物品，是否存在⼀种装法，能够恰好将背包装满？ 你看，这就是背包问题的模型，甚⾄⽐我们之前的经典背包问题还要简单⼀ 些，下⾯我们就直接转换成背包问题，开始套前⽂讲过的背包问题框架即 可。 ⼆、解法分析 第⼀步要明确两点，「状态」和「选择」。 这个前⽂ 经典动态规划：背包问题 已经详细解释过了，状态就是「背包的 容量」和「可选择的物品」，选择就是「装进背包」或者「不装进背包」。 第⼆步要明确 dp 数组的定义。 按照背包问题的套路，可以给出如下定义： dp[i][j] = x 表⽰，对于前 i 个物品，当前背包的容量为 j 时，若 x 为 true ，则说明可以恰好将背包装满，若 x 为 false ，则说明不能恰 好将背包装满。 ⽐如说，如果 dp[4][9] = true ，其含义为：对于容量为 9 的背包，若只是 ⽤钱 4 个物品，可以有⼀种⽅法把背包恰好装满。 或者说对于本题，含义是对于给定的集合中，若只对前 4 个数字进⾏选择， 存在⼀个⼦集的和可以恰好凑出 9。 根据这个定义，我们想求的最终答案就是 dp[N][sum/2] ，base case 就是 dp[…][0] = true 和 dp[0][…] = false ，因为背包没有空间的时候，就相 当于装满了，⽽当没有物品可选择的时候，肯定没办法装满背包。 第三步，根据「选择」，思考状态转移的逻辑。 回想刚才的 dp 数组含义，可以根据「选择」对 dp[i][j] 得到以下状态 转移： 经典动态规划：⼦集背包问题
106
如果不把 nums[i] 算⼊⼦集，或者说你不把这第 i 个物品装⼊背包，那 么是否能够恰好装满背包，取决于上⼀个状态 dp[i-1][j] ，继承之前的结 果。 如果把 nums[i] 算⼊⼦集，或者说你把这第 i 个物品装⼊了背包，那么 是否能够恰好装满背包，取决于状态 dp[i - 1][j-nums[i-1]] 。 ⾸先，由于 i 是从 1 开始的，⽽数组索引是从 0 开始的，所以第 i 个物 品的重量应该是 nums[i-1] ，这⼀点不要搞混。 dp[i - 1][j-nums[i-1]] 也很好理解：你如果装了第 i 个物品，就要看背 包的剩余重量 j - nums[i-1] 限制下是否能够被恰好装满。 换句话说，如果 j - nums[i-1] 的重量可以被恰好装满，那么只要把第 i 个物品装进去，也可恰好装满 j 的重量；否则的话，重量 j 肯定是装不 满的。 最后⼀步，把伪码翻译成代码，处理⼀些边界情况。

状态压缩之后的

class Solution {
public:
    bool canPartition(vector<int>& nums) {
        int sum=0,n=nums.size();
        for(int num:nums)   sum+=num;
        if(sum%2!=0)
        {
            return false;
        }
        sum=sum/2;
        vector<bool> dp(sum+1,false);
        dp[0]=true;
        for(int i=0;i<n;i++)
        {
            for(int j=sum;j>=0;j--)
                if(j>=nums[i])
                    dp[j]=dp[j]||dp[j-nums[i]];
        }
        return dp[sum];

    }
};