前言:这个专栏主要讲述动态规划算法,所以下面题目主要也是这些算法做的
我讲述题目会把讲解部分分为3个部分:
1、题目解析
2、算法原理思路讲解
3、代码实现
目标和
题目链接:目标和
题目
给你一个非负整数数组 nums
和一个整数 target
。
向数组中的每个整数前添加 '+'
或 '-'
,然后串联起所有整数,可以构造一个 表达式 :
- 例如,
nums = [2, 1]
,可以在2
之前添加'+'
,在1
之前添加'-'
,然后串联起来得到表达式"+2-1"
。
返回可以通过上述方法构造的、运算结果等于 target
的不同 表达式 的数目。
示例 1:
输入:nums = [1,1,1,1,1], target = 3 输出:5 解释:一共有 5 种方法让最终目标和为 3 。 -1 + 1 + 1 + 1 + 1 = 3 +1 - 1 + 1 + 1 + 1 = 3 +1 + 1 - 1 + 1 + 1 = 3 +1 + 1 + 1 - 1 + 1 = 3 +1 + 1 + 1 + 1 - 1 = 3
示例 2:
输入:nums = [1], target = 1 输出:1
提示:
1 <= nums.length <= 20
0 <= nums[i] <= 1000
0 <= sum(nums[i]) <= 1000
-1000 <= target <= 1000
解法
算法原理与解析
我们这题使用动态规划,我们做这类题目可以分为以下五个步骤
- 状态显示
- 状态转移方程
- 初始化(防止填表时不越界)
- 填表顺序
- 返回值
本题可以直接⽤「暴搜」的方法解决。但是稍微用数学知识分析⼀下,就能转化成我们常见的「背
包模型」的问题。 设我们最终选取的结果中,前⾯加 + 号的数字之和为 a
,前⾯加 - 号的数字之和为
b
,整个数组的总和为 sum
,于是我们有
- a + b = sum
- a - b = target
上⾯两个式子消去
b
之后,可以得到
a = (sum + target) / 2 。也就是说,我们仅需在 nums
数组中选择⼀些数,将它们凑成和为
(sum + target) / 2
即可。
- 状态显示
dp[i][j] :表示在前 i 个数中选,总和正好等于 j ,⼀共有多少种选法。
- 状态转移方程
- 不选 nums[i] :那么我们凑成总和 j 的总⽅案,就要看在前 i - 1 个元素中选,凑成总和为 j 的方案数。根据状态表示,此时 dp[ i ] [ j ] = dp[ i - 1 ] [ j ] ;
- 选择 nums[i] :这种情况下是有前提条件的,此时的 nums[i] 应该是小于等于 j 。 因为如果这个元素都比要凑成的总和大,选择它就没有意义呀。那么我们能够凑成总和为 j 的方案数,就要看在前 i - 1 个元素中选,能否凑成总和为 j - nums[i] 。根据状态表示,此时 dp[ i ] [ j ] = dp[ i - 1 ] [ j - nums[ i ] ]。
综上所述,两种情况如果存在的话,应该要累加在⼀起。因此,状态转移方程为:dp[ i ][ j ] = dp[ i - 1 ] [ j ]if(nums[i - 1] <= j) dp[ i ] [ j ] = dp[ i ][ j ] += dp[ i - 1 ] [ j - nums[ i - 1] ]
- 初始化(防止填表时不越界)
由于需要用到「上⼀行」的数据,因此我们可以先把第⼀行初始化。 第⼀行表示不选择任何元素,要凑成目标和 j 。只有当目标和为 0 的时候才能做到,因此第一行仅需初始化第⼀个元素 dp[0][0] = 1。
- 填表顺序
根据「状态转移方程」,我们需要「从上往下」填写每⼀行,每⼀行的顺序是「无所谓的」。
- 返回值
根据「状态表示」,返回 dp[n][aim] 的值。
代码实现
#include <iostream>
#include <vector>
using namespace std;
int findTargetSumWays(vector<int>& nums, int target)
{
int sum = 0;
for (auto x : nums) sum += x;
int aim = (sum + target) / 2;
// 处理⼀下边界条件
if (aim < 0 || (sum + target) % 2) return 0;
int n = nums.size();
vector<vector<int> > dp(n + 1, vector<int>(aim + 1)); // 表示在前i个数中选,总和等于j,有多少种选法
dp[0][0] = 1; // 初始化
for (int i = 1; i <= n; i++)
for (int j = 0; j <= aim; j++)
{
dp[i][j] = dp[i - 1][j];
if (j >= nums[i - 1])
{
dp[i][j] += dp[i - 1][j - nums[i - 1]];
}
}
return dp[n][aim];
}
代码优化
所有的「背包问题」,都可以进行空间上的优化。对于 01背包类型的,我们的优化策略是:
- 删掉第⼀维;
- 修改第⼆层循环的遍历顺序即可
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target)
{
int sum = 0;
for (auto x : nums) sum += x;
int aim = (sum + target) / 2;
// 处理⼀下边界条件
if (aim < 0 || (sum + target) % 2) return 0;
int n = nums.size();
vector<int> dp(aim+1); // 表示在前i个数中选,总和等于j,有多少种选法
dp[0] = 1; // 初始化
for (int i = 1; i <= n; i++)
for (int j = aim; j >= nums[i - 1]; j--)
{
dp[j] += dp[j - nums[i - 1]];
}
return dp[aim];
}
};