mirror of
https://github.com/youngyangyang04/leetcode-master.git
synced 2025-07-24 09:02:25 +08:00
396 lines
13 KiB
Markdown
396 lines
13 KiB
Markdown
<p align="center">
|
||
<a href="https://mp.weixin.qq.com/s/RsdcQ9umo09R6cfnwXZlrQ"><img src="https://img.shields.io/badge/PDF下载-代码随想录-blueviolet" alt=""></a>
|
||
<a href="https://mp.weixin.qq.com/s/b66DFkOp8OOxdZC_xLZxfw"><img src="https://img.shields.io/badge/刷题-微信群-green" alt=""></a>
|
||
<a href="https://space.bilibili.com/525438321"><img src="https://img.shields.io/badge/B站-代码随想录-orange" alt=""></a>
|
||
<a href="https://mp.weixin.qq.com/s/QVF6upVMSbgvZy8lHZS3CQ"><img src="https://img.shields.io/badge/知识星球-代码随想录-blue" alt=""></a>
|
||
</p>
|
||
<p align="center"><strong>欢迎大家<a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
|
||
# 动态规划：目标和！
|
||
|
||
## 494. 目标和
|
||
|
||
[力扣题目链接](https://leetcode-cn.com/problems/target-sum/)
|
||
|
||
难度：中等
|
||
|
||
给定一个非负整数数组，a1, a2, ..., an, 和一个目标数，S。现在你有两个符号 + 和 -。对于数组中的任意一个整数，你都可以从 + 或 -中选择一个符号添加在前面。
|
||
|
||
返回可以使最终数组和为目标数 S 的所有添加符号的方法数。
|
||
|
||
示例：
|
||
|
||
输入：nums: [1, 1, 1, 1, 1], S: 3
|
||
输出：5
|
||
|
||
解释：
|
||
-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
|
||
|
||
一共有5种方法让最终目标和为3。
|
||
|
||
提示：
|
||
|
||
* 数组非空，且长度不会超过 20 。
|
||
* 初始的数组的和不会超过 1000 。
|
||
* 保证返回的最终结果能被 32 位整数存下。
|
||
|
||
## 思路
|
||
|
||
如果对背包问题不都熟悉先看这两篇：
|
||
|
||
* [动态规划：关于01背包问题，你该了解这些！](https://programmercarl.com/背包理论基础01背包-1.html)
|
||
* [动态规划：关于01背包问题，你该了解这些！（滚动数组）](https://programmercarl.com/背包理论基础01背包-2.html)
|
||
|
||
如果跟着「代码随想录」一起学过[回溯算法系列](https://programmercarl.com/回溯总结.html)的录友，看到这道题，应该有一种直觉，就是感觉好像回溯法可以爆搜出来。
|
||
|
||
事实确实如此，下面我也会给出相应的代码，只不过会超时，哈哈。
|
||
|
||
这道题目咋眼一看和动态规划背包啥的也没啥关系。
|
||
|
||
本题要如何使表达式结果为target，
|
||
|
||
既然为target，那么就一定有 left组合 - right组合 = target。
|
||
|
||
left + right等于sum，而sum是固定的。
|
||
|
||
公式来了， left - (sum - left) = target -> left = (target + sum)/2 。
|
||
|
||
target是固定的，sum是固定的，left就可以求出来。
|
||
|
||
此时问题就是在集合nums中找出和为left的组合。
|
||
|
||
## 回溯算法
|
||
|
||
在回溯算法系列中，一起学过这道题目[回溯算法：39. 组合总和](https://programmercarl.com/0039.组合总和.html)的录友应该感觉很熟悉，这不就是组合总和问题么？
|
||
|
||
此时可以套组合总和的回溯法代码，几乎不用改动。
|
||
|
||
当然，也可以转变成序列区间选+ 或者 -，使用回溯法，那就是另一个解法。
|
||
|
||
我也把代码给出来吧，大家可以了解一下，回溯的解法，以下是本题转变为组合总和问题的回溯法代码：
|
||
|
||
```CPP
|
||
class Solution {
|
||
private:
|
||
vector<vector<int>> result;
|
||
vector<int> path;
|
||
void backtracking(vector<int>& candidates, int target, int sum, int startIndex) {
|
||
if (sum == target) {
|
||
result.push_back(path);
|
||
}
|
||
// 如果 sum + candidates[i] > target 就终止遍历
|
||
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
|
||
sum += candidates[i];
|
||
path.push_back(candidates[i]);
|
||
backtracking(candidates, target, sum, i + 1);
|
||
sum -= candidates[i];
|
||
path.pop_back();
|
||
|
||
}
|
||
}
|
||
public:
|
||
int findTargetSumWays(vector<int>& nums, int S) {
|
||
int sum = 0;
|
||
for (int i = 0; i < nums.size(); i++) sum += nums[i];
|
||
if (S > sum) return 0; // 此时没有方案
|
||
if ((S + sum) % 2) return 0; // 此时没有方案，两个int相加的时候要各位小心数值溢出的问题
|
||
int bagSize = (S + sum) / 2; // 转变为组合总和问题，bagsize就是要求的和
|
||
|
||
// 以下为回溯法代码
|
||
result.clear();
|
||
path.clear();
|
||
sort(nums.begin(), nums.end()); // 需要排序
|
||
backtracking(nums, bagSize, 0, 0);
|
||
return result.size();
|
||
}
|
||
};
|
||
```
|
||
|
||
当然以上代码超时了。
|
||
|
||
也可以使用记忆化回溯，但这里我就不在回溯上下功夫了，直接看动规吧
|
||
|
||
## 动态规划
|
||
|
||
如何转化为01背包问题呢。
|
||
|
||
假设加法的总和为x，那么减法对应的总和就是sum - x。
|
||
|
||
所以我们要求的是 x - (sum - x) = S
|
||
|
||
x = (S + sum) / 2
|
||
|
||
**此时问题就转化为，装满容量为x背包，有几种方法**。
|
||
|
||
大家看到(S + sum) / 2 应该担心计算的过程中向下取整有没有影响。
|
||
|
||
这么担心就对了，例如sum 是5，S是2的话其实就是无解的，所以：
|
||
|
||
```CPP
|
||
if ((S + sum) % 2 == 1) return 0; // 此时没有方案
|
||
```
|
||
|
||
同时如果 S的绝对值已经大于sum，那么也是没有方案的。
|
||
```CPP
|
||
if (abs(S) > sum) return 0; // 此时没有方案
|
||
```
|
||
|
||
再回归到01背包问题，为什么是01背包呢？
|
||
|
||
因为每个物品（题目中的1）只用一次！
|
||
|
||
这次和之前遇到的背包问题不一样了，之前都是求容量为j的背包，最多能装多少。
|
||
|
||
本题则是装满有几种方法。其实这就是一个组合问题了。
|
||
|
||
1. 确定dp数组以及下标的含义
|
||
|
||
dp[j] 表示：填满j（包括j）这么大容积的包，有dp[i]种方法
|
||
|
||
其实也可以使用二维dp数组来求解本题，dp[i][j]：使用 下标为[0, i]的nums[i]能够凑满j（包括j）这么大容量的包，有dp[i][j]种方法。
|
||
|
||
下面我都是统一使用一维数组进行讲解， 二维降为一维（滚动数组），其实就是上一层拷贝下来，这个我在[动态规划：关于01背包问题，你该了解这些！（滚动数组）](https://programmercarl.com/背包理论基础01背包-2.html)也有介绍。
|
||
|
||
2. 确定递推公式
|
||
|
||
有哪些来源可以推出dp[j]呢？
|
||
|
||
填满容量为j - nums[i]的背包，有dp[j - nums[i]]种方法。
|
||
|
||
那么只要搞到nums[i]的话，凑成dp[j]就有dp[j - nums[i]] 种方法。
|
||
|
||
举一个例子,nums[i] = 2： dp[3]，填满背包容量为3的话，有dp[3]种方法。
|
||
|
||
那么只需要搞到一个2（nums[i]），有dp[3]方法可以凑齐容量为3的背包，相应的就有多少种方法可以凑齐容量为5的背包。
|
||
|
||
那么需要把 这些方法累加起来就可以了，dp[j] += dp[j - nums[i]]
|
||
|
||
所以求组合类问题的公式，都是类似这种：
|
||
|
||
```
|
||
dp[j] += dp[j - nums[i]]
|
||
```
|
||
|
||
**这个公式在后面在讲解背包解决排列组合问题的时候还会用到！**
|
||
|
||
3. dp数组如何初始化
|
||
|
||
从递归公式可以看出，在初始化的时候dp[0] 一定要初始化为1，因为dp[0]是在公式中一切递推结果的起源，如果dp[0]是0的话，递归结果将都是0。
|
||
|
||
dp[0] = 1，理论上也很好解释，装满容量为0的背包，有1种方法，就是装0件物品。
|
||
|
||
dp[j]其他下标对应的数值应该初始化为0，从递归公式也可以看出，dp[j]要保证是0的初始值，才能正确的由dp[j - nums[i]]推导出来。
|
||
|
||
|
||
4. 确定遍历顺序
|
||
|
||
在[动态规划：关于01背包问题，你该了解这些！（滚动数组）](https://programmercarl.com/背包理论基础01背包-2.html)中，我们讲过对于01背包问题一维dp的遍历，nums放在外循环，target在内循环，且内循环倒序。
|
||
|
||
|
||
5. 举例推导dp数组
|
||
|
||
输入：nums: [1, 1, 1, 1, 1], S: 3
|
||
|
||
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
|
||
|
||
dp数组状态变化如下：
|
||
|
||
|
||
|
||
C++代码如下：
|
||
|
||
```CPP
|
||
class Solution {
|
||
public:
|
||
int findTargetSumWays(vector<int>& nums, int S) {
|
||
int sum = 0;
|
||
for (int i = 0; i < nums.size(); i++) sum += nums[i];
|
||
if (abs(S) > sum) return 0; // 此时没有方案
|
||
if ((S + sum) % 2 == 1) return 0; // 此时没有方案
|
||
int bagSize = (S + sum) / 2;
|
||
vector<int> dp(bagSize + 1, 0);
|
||
dp[0] = 1;
|
||
for (int i = 0; i < nums.size(); i++) {
|
||
for (int j = bagSize; j >= nums[i]; j--) {
|
||
dp[j] += dp[j - nums[i]];
|
||
}
|
||
}
|
||
return dp[bagSize];
|
||
}
|
||
};
|
||
|
||
```
|
||
* 时间复杂度O(n * m)，n为正数个数，m为背包容量
|
||
* 空间复杂度：O(m) m为背包容量
|
||
|
||
|
||
## 总结
|
||
|
||
此时 大家应该不仅想起，我们之前讲过的[回溯算法：39. 组合总和](https://programmercarl.com/0039.组合总和.html)是不是应该也可以用dp来做啊？
|
||
|
||
是的，如果仅仅是求个数的话，就可以用dp，但[回溯算法：39. 组合总和](https://programmercarl.com/0039.组合总和.html)要求的是把所有组合列出来，还是要使用回溯法爆搜的。
|
||
|
||
本题还是有点难度，大家也可以记住，在求装满背包有几种方法的情况下，递推公式一般为：
|
||
|
||
```
|
||
dp[j] += dp[j - nums[i]];
|
||
```
|
||
|
||
后面我们在讲解完全背包的时候，还会用到这个递推公式！
|
||
|
||
|
||
|
||
|
||
|
||
## 其他语言版本
|
||
|
||
|
||
Java：
|
||
```java
|
||
class Solution {
|
||
public int findTargetSumWays(int[] nums, int target) {
|
||
int sum = 0;
|
||
for (int i = 0; i < nums.length; i++) sum += nums[i];
|
||
if ((target + sum) % 2 != 0) return 0;
|
||
int size = (target + sum) / 2;
|
||
if(size < 0) size = -size;
|
||
int[] dp = new int[size + 1];
|
||
dp[0] = 1;
|
||
for (int i = 0; i < nums.length; i++) {
|
||
for (int j = size; j >= nums[i]; j--) {
|
||
dp[j] += dp[j - nums[i]];
|
||
}
|
||
}
|
||
return dp[size];
|
||
}
|
||
}
|
||
```
|
||
|
||
Python：
|
||
```python
|
||
class Solution:
|
||
def findTargetSumWays(self, nums: List[int], target: int) -> int:
|
||
sumValue = sum(nums)
|
||
if target > sumValue or (sumValue + target) % 2 == 1: return 0
|
||
bagSize = (sumValue + target) // 2
|
||
dp = [0] * (bagSize + 1)
|
||
dp[0] = 1
|
||
for i in range(len(nums)):
|
||
for j in range(bagSize, nums[i] - 1, -1):
|
||
dp[j] += dp[j - nums[i]]
|
||
return dp[bagSize]
|
||
```
|
||
|
||
Go：
|
||
```go
|
||
func findTargetSumWays(nums []int, target int) int {
|
||
sum := 0
|
||
for _, v := range nums {
|
||
sum += v
|
||
}
|
||
if target > sum {
|
||
return 0
|
||
}
|
||
if (sum+target)%2 == 1 {
|
||
return 0
|
||
}
|
||
// 计算背包大小
|
||
bag := (sum + target) / 2
|
||
// 定义dp数组
|
||
dp := make([]int, bag+1)
|
||
// 初始化
|
||
dp[0] = 1
|
||
// 遍历顺序
|
||
for i := 0; i < len(nums); i++ {
|
||
for j := bag; j >= nums[i]; j-- {
|
||
//推导公式
|
||
dp[j] += dp[j-nums[i]]
|
||
//fmt.Println(dp)
|
||
}
|
||
}
|
||
return dp[bag]
|
||
}
|
||
```
|
||
> 更新版，上一个跑不通了，因为会存在bag 小于0的情况
|
||
|
||
```go
|
||
func findTargetSumWays(nums []int, target int) int {
|
||
//先转化为数学问题
|
||
//a-b=target
|
||
//a+b=sum
|
||
//a=(target+sum)/2
|
||
//求出sum
|
||
var sum int
|
||
for _,value:=range nums{
|
||
sum+=value
|
||
}
|
||
//如果sum<target或者 sum+target不是偶数（因为a是int） 或者两者之和小于0了
|
||
if sum<target||(sum+target)%2==1||(sum+target)<0{
|
||
return 0
|
||
}
|
||
//开始dp初始化
|
||
dp:=make([][]int,len(nums)+1)
|
||
for i:=0;i<=len(nums);i++{
|
||
tmp:=make([]int,(target+sum)/2+1)//背包容量
|
||
dp[i]=tmp
|
||
}
|
||
dp[0][0]=1//当背包容量为0，且物品为0时，填满背包就1种方法
|
||
for i:=0;i<len(nums)+1;i++{
|
||
if i==0{
|
||
continue
|
||
}
|
||
for j:=0;j<(target+sum)/2+1;j++{
|
||
if nums[i-1]<=j{//如果背包装的下
|
||
dp[i][j]=dp[i-1][j]+dp[i-1][j-nums[i-1]]
|
||
}else{
|
||
dp[i][j]=dp[i-1][j]
|
||
}
|
||
}
|
||
}
|
||
return dp[len(nums)][(target+sum)/2]
|
||
}
|
||
```
|
||
|
||
|
||
|
||
Javascript：
|
||
```javascript
|
||
const findTargetSumWays = (nums, target) => {
|
||
|
||
const sum = nums.reduce((a, b) => a+b);
|
||
|
||
if(Math.abs(target) > sum) {
|
||
return 0;
|
||
}
|
||
|
||
if((target + sum) % 2) {
|
||
return 0;
|
||
}
|
||
|
||
const halfSum = (target + sum) / 2;
|
||
nums.sort((a, b) => a - b);
|
||
|
||
let dp = new Array(halfSum+1).fill(0);
|
||
dp[0] = 1;
|
||
|
||
for(let i = 0; i < nums.length; i++) {
|
||
for(let j = halfSum; j >= nums[i]; j--) {
|
||
dp[j] += dp[j - nums[i]];
|
||
}
|
||
}
|
||
|
||
return dp[halfSum];
|
||
};
|
||
```
|
||
|
||
|
||
|
||
-----------------------
|
||
* 作者微信：[程序员Carl](https://mp.weixin.qq.com/s/b66DFkOp8OOxdZC_xLZxfw)
|
||
* B站视频：[代码随想录](https://space.bilibili.com/525438321)
|
||
* 知识星球：[代码随想录](https://mp.weixin.qq.com/s/QVF6upVMSbgvZy8lHZS3CQ)
|
||
<div align="center"><img src=https://code-thinking.cdn.bcebos.com/pics/01二维码.jpg width=450> </img></div>
|