LeetCode Python, Java, C++  >  动态规划  >  494. 目标和  >  已支持 C#, Python, C++, Java, JavaScript, Go, Ruby  >  LeetCode GitHub Code 或 转发

    力扣链接：494. 目标和，难度等级：中等。

    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:

    -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

    约束:

    • 1 <= nums.length <= 20
    • 0 <= nums[i] <= 1000
    • 0 <= sum(nums[i]) <= 1000
    • -1000 <= target <= 1000

    思路
    上一题下一题

    如果你以前没有解决过类似的问题，那么这个问题相当难。所以在开始做这道题之前，建议你先做另一道与这道题类似的相对简单的题目416. 分割相等子集和。

    “动态规划”的模式

    “动态规划”，需要用dp数组来保存结果。dp[i][j]的值可以由它的前一个（或多个）值通过公式转化出来。因此，dp[i][j]值是一步一步推导出来的，它和先前的dp记录值都有联系。

    “动态规划”分为五步

    1. 确定数组dp的每个值代表的含义。
    2. 初始化数组dp的值。
    3. 根据一个示例，按顺序填入dp网格数据。
    4. 根据dp网格数据，推导出递推公式。
    5. 写出程序，并打印dp数组，不合预期就调整。

    细说这五步

    1. 确定数组dp的每个值代表的含义。
      • 先确定dp是一维数组还是二维数组。“一维滚动数组”意味着每次迭代时都会覆盖数组的值。大多时候，用“一维滚动数组”代替“二维数组”可以简化代码；但有些题目，比如要操作“两个位置可互换的数组”，为了理解方便，还是使用“二维数组”。
      • 尝试使用问题所求的返回值的含义作为 dp[i]（一维）或dp[i][j]（二维）的含义，约60%的概率能行。如果不行，再尝试其他含义。
      • 设计上尽量考虑保存更丰富的信息，重复信息只在某个dp[i]中保存一次就够了。
      • 使用简化的含义。如果用布尔值可以解决问题，就不要用数值。
    2. 初始化数组dp的值。dp的值涉及两个层面：
      1. dp的长度。通常是：条件数组长度加1或条件数组长度。
      2. dp[i]或dp[i][j]的值。dp[0]或dp[0][0]有时需要特殊处理。
    3. 根据一个示例，按顺序填入dp网格数据。
      • “递推公式”是“动态规划”算法的核心。但“递推公式”是隐晦的，想得到它，就需要制表，用数据启发自己。
      • 如果原示例不够好，需要自己重新设计一个。
      • 根据示例，填入dp网格数据，需要“按顺序”填，这是很重要的，因为它决定了代码的遍历顺序。
      • 大多时候，从左到右，从上到下。但有时需要从右向左、由下而上、从中间向右（或左），如“回文串”问题。有时，还需要一行遍历两次，先正向，再反向。
      • 当顺序决定对了，起点就决定好了，从起点出发，“按顺序”填写dp网格数据，这也是在模拟程序处理的过程。
      • 在此过程中，您将获得写出“递推公式”的灵感。如果您已经能推导出公式，不需要填完网格。
    4. 根据dp网格数据，推导出递推公式。
      • 有三个特别的位置需要注意： dp[i - 1][j - 1]、dp[i - 1][j]和dp[i][j - 1]，当前的 dp[i][j]往往取决于它们。
      • 操作“两个位置可互换的数组”时，因为对称性，我们可能需要同时使用dp[i - 1][j]和dp[i][j - 1]。
    5. 写出程序，并打印dp数组，不合预期就调整。
      • 重点分析那些不合预期的数值。

    读完了上面的内容，是不是感觉“动态规划”也没有那么难了？试着解出这道题吧。🤗

    步骤

    1. 确定dp[j]的含义
      • dp[j]表示通过使用前个i个数字，您可以构建的不同表达式的数量，其计算结果为j。
      • dp[j]是一个整数。

    2. 确定dp数组的初始值

      • 使用一个例子。我们没有使用示例1：输入：nums = [1,1,1,1,1], target = 3，因为它太特殊，不是推导公式的好例子。
      • 我编了一个例子：nums = [1,2,1,2], target = 4。
      • 首先，确定背包的size。
        • target值可能很小，比如0，所以光靠它不能确定背包的size。
        • 还应该考虑nums的总和，以完全覆盖所有背包尺寸。
        • target可以是负数，但考虑到+和-是任意添加到num的，dp[j]应该围绕0对称。所以负数 target 的结果 dp[target] 等于 dp[abs(target)]。
        • 所以背包的 size 可以是 max(sum(nums), target) + 1。

      • 然后，确定什么是物品。物品在本题中 就是 nums。

        所以初始化后，`dp` 数组将是：
#   0 1 2 3 4 5 6
#   1 0 0 0 0 0 0 # dp
# 1
# 2
# 1
# 2

      • dp[0] 设置为 1，表示不使用任何 nums 就可以实现空背包。另外，它作为起始值，后面的dp[j]都会依赖它，如果为0，则dp[j]的所有值都为0。

      • dp[j] = 0 (j != 0)，说明没有nums是不可能得到j的。

    3. 根据一个示例，“按顺序”填入dp网格数据。

      1. 使用第一个数字'1'。
#   0 1 2 3 4 5 6
#   1 0 0 0 0 0 0
# 1 0 1 0 0 0 0 0 # dp
# 2
# 1
# 2

      2. 使用第二个数字'2'。
#   0 1 2 3 4 5 6
#   1 0 0 0 0 0 0
# 1 0 1 0 0 0 0 0
# 2 0 1 0 1 0 0 0
# 1
# 2

      3. 使用第三个数字'1'。
#   0 1 2 3 4 5 6
#   1 0 0 0 0 0 0
# 1 0 1 0 0 0 0 0
# 2 0 1 0 1 0 0 0
# 1 2 0 2 0 1 0 0
# 2

      4. 使用第四个数字'2'。
#   0 1 2 3 4 5 6
#   1 0 0 0 0 0 0
# 1 0 1 0 0 0 0 0
# 2 0 1 0 1 0 0 0
# 1 2 0 2 0 1 0 0
# 2 4 0 3 0 2 0 1 # dp

    4. 根据dp网格数据，推导出“递推公式”。

      dp[j] = dp[abs(j - nums[i])] + dp[j + nums[i]]
      • 如果 j < nums[i]，dp[j - nums[i]] 将引发 数组索引超出范围 异常。因此我们使用等于它的 dp[abs(j - num)]，因为 dp[j] 是围绕 0 对称的，比如 dp[-j] 等于 dp[j]（-j 是虚数索引）。
      • 当 j + nums[i] >= dp.length时，dp[j + nums[i]] 必须为 0，防止产生干扰。

    5. 写出程序，并打印dp数组，不合预期就调整。

    复杂度

    时间复杂度

    O(n * sum)

    空间复杂度

    O(n * sum)

    题解语言： C# Python C++ Java JavaScript Go Ruby

    C# # 

    public class Solution
{
    public int FindTargetSumWays(int[] nums, int target)
    {
        target = Math.Abs(target);

        var dp = new int[Math.Max(nums.Sum(), target) + 1];
        dp[0] = 1;

        foreach (var num in nums)
        {
            var dc = (int[])dp.Clone();

            for (var j = 0; j < dp.Length; j++)
            {
                dp[j] = dc[Math.Abs(j - num)] + (j + num < dp.Length ? dc[j + num] : 0);
            }
        }

        return dp[target];
    }
}

    Python # 

    class Solution:
    def findTargetSumWays(self, nums: List[int], target: int) -> int:
        target = abs(target)

        dp = [0] * (max(sum(nums), target) + 1)
        dp[0] = 1

        for num in nums:
            dc = dp.copy()

            for j in range(len(dp)):
                dp[j] = dc[abs(j - num)] + (dc[j + num] if j + num < len(dp) else 0)

        return dp[target]

    C++ # 

    class Solution {
public:
    int findTargetSumWays(vector<int>& nums, int target) {
        auto sum = reduce(nums.begin(), nums.end());
        target = abs(target);

        auto dp = vector<int>(max(sum, target) + 1);
        dp[0] = 1;

        for (auto num : nums) {
            auto dc = dp;

            for (auto j = 0; j < dp.size(); j++) {
                dp[j] = dc[abs(j - num)] + (j + num < dp.size() ? dc[j + num] : 0);
            }
        }

        return dp[target];
    }
};

    Java # 

    class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        var sum = IntStream.of(nums).sum();
        target = Math.abs(target);

        var dp = new int[Math.max(sum, target) + 1];
        dp[0] = 1;

        for (var num : nums) {
            var dc = dp.clone();

            for (var j = 0; j < dp.length; j++) {
                dp[j] = dc[Math.abs(j - num)] + (j + num < dp.length ? dc[j + num] : 0);
            }
        }

        return dp[target];
    }
}

    JavaScript # 

    var findTargetSumWays = function (nums, target) {
   target = Math.abs(target)

   const dp = Array(Math.max(_.sum(nums), target) + 1).fill(0)
   dp[0] = 1

   for (const num of nums) {
      const dc = [...dp]

      for (let j = 0; j < dp.length; j++) {
         dp[j] = dc[Math.abs(j - num)] + (j + num < dp.length ? dc[j + num] : 0)
      }
   }

   return dp[target]
};

    Go # 

    func findTargetSumWays(nums []int, target int) int {
    sum := 0
    for _, num := range nums {
        sum += num
    }
    target = int(math.Abs(float64(target)))

    dp := make([]int, max(sum, target) + 1)
    dp[0] = 1

    for _, num := range nums {
        dc := slices.Clone(dp)

        for j := 0; j < len(dp); j++ {
            addition := 0
            if j + num < len(dp) {
                addition = dc[j + num]
            }
            dp[j] = dc[int(math.Abs(float64((j - num))))] + addition
        }
    }

    return dp[target]
}

    Ruby # 

    def find_target_sum_ways(nums, target)
  target = target.abs

  dp = Array.new([ nums.sum, target ].max + 1, 0)
  dp[0] = 1

  nums.each do |num|
    dc = dp.clone

    dp.each_with_index do |_, j|
      dp[j] = dc[(j - num).abs] + (j + num < dp.size ? dc[j + num] : 0)
    end
  end

  dp[target]
end
    题解语言： C# Python C++ Java JavaScript Go Ruby

    其它语言

    欢迎贡献代码到 LeetCode Python GitHub -> 494. 目标和。感谢！
    上一题下一题