大家好,我是前端西瓜哥,今天也来做动态规划题。
题目
给你一个整数数组 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
提示:
- 1 <= nums.length <= 20
- 0 <= nums[i] <= 1000
- 0 <= sum(nums[i]) <= 1000
- -1000 <= target <= 1000
题目链接:
https://leetcode.cn/problems/target-sum
题解
其实是 0-1 背包问题,只是做了一些变形。原来的背包问题,是决策物品放入还是不放入,所以可达状态一定是正整数。
到了这题,可达状态就可能变成负数了。所以我们原来背包问题使用的状态转移表,也就是二维数组就要做一些处理了。
为了处理负数的状态值问题,我们可以加一个偏移值,将负数修复为正数。还有一种方式是用哈希表,这样就能用负数了,但缺点是哈希表的读写效率比不上数组。哈希表的解法这里不讲。
本质是求解问题为 0-1背包的计数问题,即求所有路径的总数是多少。
它的状态转移方式为:
dp[i][j] = dp[i-1][j] + dp[i-1][j-weight[i]];
模版是决策物品是否放入,由两种情况汇集,不放入的 dp[i-1][j] 和 dp[i-1][j-weight[i]] 相加。
然后本题要调整为减去或加上 nums[i],变成:
dp[i][j] = dp[i-1][j-nums[i]] + dp[i-1][j+nums[i]];
实现时,你还要稍微注意一下索引值越界的处理。
代码实现:
function findTargetSumWays(nums: number[], target: number): number {
const n = nums.length;
const sum = nums.reduce((sum, curr) => sum + curr, 0);
if (sum < Math.abs(target)) return 0;
const w = sum * 2 + 1;
const dp: number[][] = new Array(n);
for (let i = 0; i < n; i++) {
dp[i] = new Array(w).fill(0);
}
dp[0][sum - nums[0]] += 1;
dp[0][sum + nums[0]] += 1;
for (let i = 1; i < n; i++) {
for (let j = 0; j < w; j++) {
if (j - nums[i] >= 0 && j - nums[i] < w) {
dp[i][j] += dp[i - 1][j - nums[i]];
}
if (j + nums[i] >= 0 && j + nums[i] < w) {
dp[i][j] += dp[i - 1][j + nums[i]];
}
}
}
return dp[n - 1][sum + target];
};
结尾
本题为 求0-1背包问题的计数解,对应的状态转移方程为:
dp[i][j] = dp[i-1][j] + dp[i-1][j-weight[i]];
这个你得记住,然后在上面魔改就好了。全是套路。
我是前端西瓜哥,欢迎关注我。
|