动态规划算法练习——8、分割等和子集（python和C++描述）

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。