package com.atguigu;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.HashMap;
public class Main {
public static StringBuilder sb = new StringBuilder();
public static HashMap<Integer, Integer> map;
public static int mod = (int) 1e9 + 7;
// 1.暴力递归
public static int cois1(int[] arr, int aim) {
if (arr == null || arr.length == 0 || aim < 0) {
return 0;
}
return processes1(arr,0,aim);
}
public static int processes1(int[] arr, int index, int aim) {
int res = 0;
if (index == arr.length) {
res = aim == 0 ? 1 : 0;
} else {
for (int i = 0; arr[index] * i <= aim; i++) {
res += processes1(arr,index + 1,aim - arr[index] * i);
}
}
return res;
}
// 记忆搜索,暴力递归的初步优化方法
public static int coins2(int[] arr, int aim) {
if (arr == null || arr.length == 0 || aim < 0) {
return 0;
}
int[][] map = new int[arr.length + 1][aim + 1];
return processes2(arr,0,aim,map);
}
public static int processes2(int[] arr, int index, int aim, int[][] map) {
int res = 0;
if (index == arr.length) {
res = aim == 0 ? 1 : 0;
} else {
int mapValue = 0;
for (int i = 0; arr[index] * i <= aim; i++) {
mapValue = map[index + 1][aim - arr[index] * i];
if (mapValue != 0) {
res = (res + (mapValue == -1 ? 0 : mapValue)) % mod;
} else {
res = (res + processes2(arr,index + 1,aim - arr[index] * i, map)) % mod;
}
}
}
map[index][aim] = res == 0 ? -1 : res;
return res;
}
// 动态规划
public static int coins3(int[] arr, int aim) {
if (arr == null || arr.length == 0 || aim < 0) {
return 0;
}
int[][] dp = new int[arr.length][aim + 1];
for (int i = 0; i < arr.length; i++) {
dp[i][0] = 1;
}
for (int j = 1; arr[0] * j <= aim; j++) {
dp[0][arr[0] * j] = 1;
}
int num = 0;
for (int i = 1; i < arr.length; i++) {
for (int j = 1; j <= aim; j++) {
num = 0;
for (int k = 0; j - arr[i] * k >= 0; k++) {
num = (num + dp[i - 1][j - arr[i] * k]) % mod;
}
dp[i][j] = num;
}
}
return dp[arr.length - 1][aim];
}
// 动态规划优化
public static int coins4(int[] arr, int aim) {
if (arr == null || arr.length == 0 || aim < 0) {
return 0;
}
int[][] dp = new int[arr.length][aim + 1];
for (int i = 0; i < arr.length; i++) {
dp[i][0] = 1;
}
for (int i = 1; arr[0] * i <= aim; i++) {
dp[0][arr[0] * i] = 1;
}
for (int i = 1; i < arr.length; i++) {
for (int j = 1; j <= aim; j++) {
dp[i][j] = dp[i - 1][j];
dp[i][j] = (dp[i][j] + (j - arr[i] >= 0 ? dp[i][j - arr[i]] : 0)) % mod;
}
}
return dp[arr.length - 1][aim];
}
// 动态规划 + 空间压缩
public static int coins5(int[] arr, int aim) {
if (arr == null || arr.length == 0 || aim < 0) {
return 0;
}
int[] dp = new int[aim + 1];
for (int i = 0; arr[0] * i <= aim; i++) {
dp[arr[0] * i] = 1;
}
for (int i = 1; i < arr.length; i++) {
for (int j = 1; j <= aim; j++) {
dp[j] = (dp[j] + (j - arr[i] >= 0 ? dp[j - arr[i]] : 0)) % mod;
}
}
return dp[aim];
}
public static void main(String[] args) throws IOException {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
String[] line = br.readLine().split(" ");
int m = Integer.parseInt(line[0]);
int aim= Integer.parseInt(line[1]);
int[] arr = new int[m];
line = br.readLine().split(" ");
for (int i = 0; i < m; i++) {
arr[i] = Integer.parseInt(line[i]);
}
int num = coins5(arr, aim);
System.out.println(num);
}
}
暴力递归通用优化过程。对于在面试中遇到具体题目,面试者一旦想到暴力递归的过程,其实之后的优化过程是水到渠成的。首先看写出来的暴力递归函数,找到有哪些参数是不发生变化的,忽略这些变量。只看那些变化并且可以表示递归过程的参数,找出这些参数之后,记忆搜索其实可以很轻易地写出来,因为只是简单地修改,计算完就记录到map中,并在下次直接拿来使用,没计算过则依然进行递归计算。接下来观察记忆搜索过程中使用地map结构,看看该结构某一个具体位置地值是通过哪些位置地值求出来地,被依赖地位置先求,就能改出动态规划的方法。改出的动态规划方法中,如果有枚举的过程,看看枚举过程是否可以继续优化,常规的方法既有本题所实现的通过表达式来简化枚举状态的方式,也有“丢棋子问题”、“画匠问题”和“邮局选址问题”所涉及的四边形不等式的相关内容,有兴趣的读者可以进一步学习。