力扣第494题 目标和 c++ 动态规划 c++ 01背包 难~~

题目

494. 目标和

中等

相关标签

数组   动态规划   回溯

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

思路和解题方法

首先,代码计算了数组 nums 中所有元素的总和,并将结果保存在变量 sum 中。如果目标值 S 的绝对值大于 sum,说明无法通过改变符号使得数组元素的和等于 S,此时直接返回 0。如果 (S + sum) % 2 == 1,说明无法通过改变符号使得数组元素的和等于 S,此时直接返回 0。否则,计算背包容量 bagSize(S + sum) / 2,表示需要选择一些数,使得它们的和等于 bagSize

然后,创建一个大小为 bagSize+1 的动态规划数组 dp,并将所有元素初始化为 0。将 dp[0] 设为 1,表示当不选择任何数时,它们的和为 0,有一种方案。

接着,使用双重循环遍历数组 nums 和背包容量 bagSize。内层循环从 bagSize 开始向前遍历,每次考虑当前数是否放入背包中。如果当前数的值小于等于当前背包容量 j,则可以选择将其放入背包中,更新 dp[j] 的值为 dp[j] + dp[j - nums[i]]。这样,dp[j] 表示容量为 j 的背包所能装载的方案数。

最后,返回结果 dp[bagSize],表示选择一些数,使得它们的和等于 bagSize 的方案数。

复杂度

        时间复杂度:

                O(n*m)

        时间复杂度:O(n×m),其中 n 表示数组 nums 的长度,m 表示背包的容量,即 (S + sum) / 2。在动态规划中,我们需要遍历数组 nums 和背包容量 m,因此总时间复杂度为 O(n×m)。

        空间复杂度

                O(m)

        空间复杂度:O(m),其中 m 表示背包的容量,即 (S + sum) / 2。我们需要一个大小为 m + 1 的动态规划数组来存储中间结果,因此空间复杂度为 O(m)。

c++ 代码

class Solution {
public:
    int findTargetSumWays(vector& nums, int S) {
        // 计算数组中所有元素的总和
        int sum = 0;
        for (int i = 0; i < nums.size(); i++) sum += nums[i];
        
        // 如果目标值的绝对值大于数组元素总和,无法通过符号改变得到目标值,直接返回 0
        if (abs(S) > sum) return 0;
        
        // 如果目标值和数组元素总和的和为奇数,无法通过符号改变得到目标值,直接返回 0
        if ((S + sum) % 2 == 1) return 0;
        
        // 计算背包容量
        int bagSize = (S + sum) / 2;
        
        // 创建动态规划数组,并将所有元素初始化为 0
        vector dp(bagSize + 1, 0);
        
        // 当不选择任何数时,它们的和为 0,有一种方案
        dp[0] = 1;
        
        // 使用双重循环遍历数组和背包容量
        for (int i = 0; i < nums.size(); i++) { // 遍历数组
            for (int j = bagSize; j >= nums[i]; j--) { // 遍历背包容量
                // 如果当前数的值小于等于当前背包容量,可以选择将其放入背包中
                // 更新 dp[j] 的值为 dp[j] + dp[j - nums[i]],表示容量为 j 的背包所能装载的方案数
                dp[j] += dp[j - nums[i]];
            }
        }
        
        // 返回选择一些数,使得它们的和等于背包容量的方案数
        return dp[bagSize];
    }
};

具体解释部分

1. 

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
  • 第一个条件判断语句 if (abs(S) > sum) return 0; 的意思是,如果目标值 S 的绝对值大于数组 nums 中所有元素的总和 sum,那么无论如何改变符号,都无法使得数组元素的和等于目标值 S。因此,直接返回 0,表示此时没有任何方案可以满足要求。
  • 第二个条件判断语句 if ((S + sum) % 2 == 1) return 0; 的意思是,如果目标值 S 和数组 nums 中所有元素的总和 sum 的和为奇数,那么无论如何改变符号,都无法使得数组元素的和等于目标值 S。因为奇数无法通过加减操作得到偶数。所以直接返回 0,表示此时没有任何方案可以满足要求。

2. 

   int bagSize = (S + sum) / 2;
  • bagSize 表示背包的容量。由于我们要寻找一些数,使得它们的和等于目标值 S,而且我们可以通过改变符号来实现,因此我们可以将问题转化为一个经典的 0-1 背包问题。
  • 假设我们将所有正数的符号取为正号,将所有负数的符号取为负号,那么所有数的和就是 sum。我们的目标是找到一些数,使得它们的和等于目标值 S
  • 由于我们只能改变数的符号,因此我们可以将原问题转化为:从数组 nums 中选择一些数,使得它们的和等于 (S + sum) / 2。这里的 (S + sum) / 2 表示背包的容量,也就是我们要达到的目标和。

觉得有用的话可以点点赞,支持一下。

如果愿意的话关注一下。会对你有更多的帮助。

每天都会不定时更新哦  >人<  。

你可能感兴趣的:(动态规划,leetcode,01背包,数据结构,leetcode,c++,算法,动态规划,01背包)