来源:代码随想录
本题的力扣链接:https://leetcode-cn.com/problems/partition-equal-subset-sum/
1、题目描述:
2、思路:
看到这道题,你首先想到的是什么,要是第一次见,我估计首先想到的是:把两个子集找到,然后各自求和比较一下就知道了么。没错,想到这种方法,那首先就是要找子集,然后求和比较,找子集那不就是在找组合么。因此,可以使用回溯法找呀。
但是,这道题使用动态规划是更好的方法。
与0-1背包相比,可以发现,nums里的元素就是物品的重量,同时也是物品的价值,下标就是物品的标号,所有总和的一半,就是背包的容量。这么想的话,那这道题就出来了啊。。。
这里我就不再说解法了,看我之前的0-1背包问题,就知道怎么解了,一摸一样的。。。
3、代码:
3.1 python代码:
class Solution:
def canPartition(self, nums: List[int]) -> bool:
if sum(nums) % 2 != 0: # 总和不是偶数,则不可能划分为两个子集,使得元素和相等
return False
dp = [[0 for _ in range(sum(nums)//2+1)] for _ in range(len(nums))] # 定义dp数组并初始化为0
# 初始化dp边界
for j in range(sum(nums)//2+1): # 只取第一个物品时的初始化
if j >= nums[0]:
dp[0][j] = nums[0]
for i in range(len(nums)):
for j in range(sum(nums)//2+1):
if j < nums[i]: # 装不下i物品
dp[i][j] = dp[i-1][j]
else: # 能装下
dp[i][j] = max(dp[i-1][j], dp[i-1][j-nums[i]] + nums[i]) # 递推公式
if dp[len(nums)-1][sum(nums)//2] == sum(nums) // 2:
return True
return False
3.2 C++代码:
class Solution {
public:
bool canPartition(vector<int>& nums) {
if(accumulate(nums.begin(), nums.end(), 0) % 2 != 0){ // 总和是奇数,肯定分不成两个子集
return false;
}
int sum = accumulate(nums.begin(), nums.end(), 0);
// dp[i][j]在0-i物品中随便选,装进j容量的背包的最大价值
vector<vector<int>> dp(nums.size(), vector(sum/2+1, 0)); // dp二维数组,初始化为0
// 初始化dp边界
for(int j = 0; j <= sum/2; j++){
if(j >= nums[0]){
dp[0][j] = nums[0]; // 第一行,也就是第一个物品初始化
}
}
for(int i = 1; i < nums.size(); i++){
for(int j = 0; j <=sum/2; j++){
if(j < nums[i]){ // 装不下i物品
dp[i][j] = dp[i-1][j];
}
else{ // 能装下i物品
dp[i][j] = max(dp[i-1][j], dp[i-1][j-nums[i]]+nums[i]);
}
if(dp[i][j] == sum/2){
return true;
}
}
}
return false;
}
};
4、总结:
这道题的难点在于:如何才能转换成背包问题,要我们拆解题目,然后套入01背包的场景。
01背包相对于本题,主要要理解,题目中物品是nums[i],重量是nums[i],价值也是nums[i],背包体积是sum/2。