494. 目标和
494.?目标和
题目描述:
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。
解题思路:
算法思路:
本题可以直接?「暴搜」的?法解决。但是稍微?数学知识分析?下,就能转化成我们常?的「背
包模型」的问题。
设我们最终选取的结果中,前?加 + 号的数字之和为
a
,前?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?两个式?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?些数,将它们凑成和为
(sum + target) / 2
即
可。
问题就变成了
416. 分割等和?集
这道题。
我们可以?相同的分析模式,来处理这道题。
1.
状态表?:
dp[i][j]
表?:在前
i
个数中选,总和正好等于
j
,?共有多少种选法。
2.
状态转移?程:
?规矩,根据「最后?个位置」的元素,结合题?的要求,我们有「选择」最后?个元素或者「不
选择」最后?个元素两种策略:
i.
不选
nums[i]
:那么我们凑成总和
j
的总?案,就要看在前
i - 1
个元素中选,凑
成总和为
j
的?案数。根据状态表?,此时
dp[i][j] = dp[i - 1][j]
;
ii.
选择
nums[i]
:这种情况下是有前提条件的,此时的
nums[i]
应该是?于等于
j
。
因为如果这个元素都?要凑成的总和?,选择它就没有意义呀。那么我们能够凑成总和为
j
的?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?,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?起。因此,状态转移?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]]
3.
初始化:
由于需要?到「上??」的数据,因此我们可以先把第??初始化。
第??表?不选择任何元素,要凑成?标和
j
。只有当?标和为
0
的时候才能做到,因此第?
?仅需初始化第?个元素
dp[0][0] = 1
4.
填表顺序:
根据「状态转移?程」,我们需要「从上往下」填写每??,每??的顺序是「?所谓的」。
5.
返回值:
根据「状态表?」,返回
dp[n][aim]
的值。
其中
n
表?数组的??,
aim
表?要凑的?标和。
6.
空间优化:
所有的「背包问题」,都可以进?空间上的优化。
对于 01背包类型的,我们的优化策略是:
i.
删掉第?维;
ii.
修改第?层循环的遍历顺序即可。
解题代码:
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum=0;
for(auto x : nums) sum += x;
int a=(sum+target)/2;
int n=nums.size();
if(a<0||(sum+target)%2) return 0;
vector<int>dp(a+1);
dp[0]=1;
for(int i=1;i<=n;i++)
{
for(int j=a;j>=nums[i-1];j--)
dp[j]+=dp[j-nums[i-1]];
}
return dp[a];
}
};
1049. 最后一块石头的重量 II
1049.?最后一块石头的重量 II
题目描述:
有一堆石头,用整数数组?stones
?表示。其中?stones[i]
?表示第?i
?块石头的重量。
每一回合,从中选出任意两块石头,然后将它们一起粉碎。假设石头的重量分别为?x
?和?y
,且?x <= y
。那么粉碎的可能结果如下:
- 如果?
x == y
,那么两块石头都会被完全粉碎; - 如果?
x != y
,那么重量为?x
?的石头将会完全粉碎,而重量为?y
?的石头新重量为?y-x
。
最后,最多只会剩下一块?石头。返回此石头?最小的可能重量?。如果没有石头剩下,就返回?0
。
解题思路:
算法思路:
先将问题「转化」成我们熟悉的题型。
?
任意两块?头在?起粉碎,重量相同的部分会被丢掉,重量有差异的部分会被留下来。那就
相当于在原始的数据的前?,加上「加号」或者「减号」,是最终的结果最?即可。也就是
说把原始的?头分成两部分,两部分的和越接近越好。
?
?因为当所有元素的和固定时,分成的两部分越接近数组「总和的?半」,两者的差越?。
因此问题就变成了:在数组中选择?些数,让这些数的和尽量接近
sum / 2
,如果把数看成物
品,每个数的值看成体积和价值,问题就变成了「01 背包问题」。
1.
状态表?:
dp[i][j]
表?在前
i
个元素中选择,总和不超过 j,此时所有元素的「最?和」。
2.
状态转移?程:
?规矩,根据「最后?个位置」的元素,结合题?的要求,分情况讨论:
i.
不选
stones[i]
:那么我们是否能够凑成总和为
j
,就要看在前
i - 1
个元素中
选,能否凑成总和为
j
。根据状态表?,此时
dp[i][j] = dp[i - 1][j]
;
ii.
选择
stones[i]
:这种情况下是有前提条件的,此时的
stones[i]
应该是?于等于
j
。因为如果这个元素都?要凑成的总和?,选择它就没有意义呀。那么我们是否能够凑
成总和为
j
,就要看在前
i - 1
个元素中选,能否凑成总和为
j - stones[i]
。根
据状态表?,此时
dp[i][j] = dp[i - 1][j - stones[i]] + stones[i]
。
综上所述,我们要的是最?价值。因此,状态转移?程为:
dp[i][j] = dp[i - 1][j]
if(j >= stones[i]) dp[i][j] = dp[i][j] + dp[i - 1][j - stones[i]]
+ stones[i]
。
3.
初始化:
由于需要?到上??的数据,因此我们可以先把第??初始化。
第??表?「没有??」。因此想凑成?标和
j
,最?和都是
0
。
4.
填表顺序:
根据「状态转移?程」,我们需要「从上往下」填写每??,每??的顺序是「?所谓的」。
5.
返回值:
a.
根据「状态表?」,先找到最接近
sum / 2
的最?和
dp[n][sum / 2]
;
b.
因为我们要的是两堆??的差,因此返回
sum - 2 * dp[n][sum / 2]
。
6.
空间优化:
所有的背包问题,都可以进?「空间」上的优化。
对于 01背包类型的,我们的优化策略是:
i.
删掉第?维;
ii.
修改第?层循环的「遍历顺序」即可。
解题代码:
class Solution
{
public:
int lastStoneWeightII(vector<int>& stones)
{
// 1. 准备?作
int sum = 0;
for(auto x : stones) sum += x;
int n = stones.size(), m = sum / 2;
// 2. dp
vector<int> dp(m + 1);
for(int i = 1; i <= n; i++)
for(int j = m; j >= stones[i - 1]; j--)
dp[j] = max(dp[j], dp[j - stones[i - 1]] + stones[i - 1]);
// 3. 返回结果
return sum - 2 * dp[m];
}
};