题意理解:
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。
简单来说:就是在元素前面加‘+’或‘-’使其结果值为target。
可以将其思路转换为:将数组元素分为两部分,其差为target。
则有part1-part2=target,part1+part2=sum
part1=(sum+target)/2
固有我们需要将数组元素分为两部分,一部分较大的为part1=(sum+target)/2,较小的部分为part2=(sum-target)/2。
此时,我们再次转变思路:将其构造成0-1背包问题:
背包大小为m=(sum+target)/2
物品为[0,n]的元素,其价值和重量都是nums[]
接下来,使用动态规划中的0-1背包思路解决问题。
解题思路:
首先理解题意,将其转换为一个背包问题,使用动态规划的思路来求解。
动态规划五部曲:
(1)dp[i][j]或dp[i]的含义
(2)递推公式
(3)根据题意初始化
(4)遍历求解:先遍历包还是先遍历物品
(5)打印——debug
1.动态规划二维dp数组
- dp[i][j]表示[0,i]的元素装满大小为j的背包有多少种方法。
- 递推公式:dp[i][j]=dp[i-1][j]+dp[i-1][j-nums[i]],
- 当当前物品大于当前背包的大小时,放满大小为j的背包的方法数仍就为dp[i-1][j].
- 当当前物品小于等于当前背包的大小时,放满大小为j的背包的方法数=dp[i-1][j]+dp[i-1][j-nums[i]],其中dp[i-1][j-nums[i]]是增加了物品nums[i]后增加的方法数。
- 初始化:初始化第一列,其中特别的:放满背包大小0 有多少种方法——要么什么也不放,要么放入大小为0的物品。初始化时要根据问题,具体分析。
- 遍历:由于二维数组保留了两个维度所有值,所以先便利包还是先遍历物品都可以
public int findTargetSumWays(int[] nums, int target) {int sum=0;for(int num:nums){sum+=num;}//是否能按照需求分成两部分if((sum+target)%2!=0) return 0;if((sum-target)%2!=0) return 0;//把所有值当作整数,分成两部分一正一负即可,所以如果target总保持为正数if(target<0) target=-target;int size= (int)Math.ceil((float)(sum+target)/2);int dp[][]=new int[nums.length][size+1];//初始化for(int[] temp:dp) Arrays.fill(temp,0);int countZero=0;for(int i=0;i<nums.length;i++){if(nums[i]==0) countZero++;dp[i][0]=countZero+1;}for(int j=1;j<=size;j++){if(nums[0]==j) dp[0][j]=1;else dp[0][j]=0;}//遍历顺序for(int i=1;i< nums.length;i++){for(int j=0;j<=size;j++){if(j<nums[i]){dp[i][j]=dp[i-1][j];}else{dp[i][j]=dp[i-1][j]+dp[i-1][j - nums[i]];}}}return dp[nums.length-1][size];}
2.一维滚动数组——存储压缩
- dp[j]表示装满大小为j的背包有多少种方式。
- 递推公式:dp[j]=max(dp[j],dp[j-weight[i]]+values[i])
- 初始化:右边的值总是由最左边的值推导而来,dp[0]表示使背包价值为0有多少种放置方法——要么什么也不放,要么放大小为0的物品。
- 遍历:由于以为滚动数组是二维dp数组的动态行滚动更新,所以遍历顺序总是先物品后背包。
- 注意:为了防止用同层修改过的值修改本行其他值,导致物体重复放置,故采用倒序遍历背包。
public int findTargetSumWays(int[] nums, int target) {int sum=0;for(int num:nums) sum+=num;if((sum+target)%2!=0) return 0;if((sum-target)%2!=0) return 0;if(target<0) target=-target;int size= (int)Math.ceil((float)(sum+target)/2);int dp[]=new int[size+1];//初始化Arrays.fill(dp,0);dp[0]=1;//遍历顺序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];}
3.分析
时间复杂度:O()
空间复杂度:
二维:O(n*size)
一维:O(size)