目录
LeetCode494.目标和
题目描述
解法1：回溯法
代码实现
解法2：动态规划
代码实现
LeetCode494.目标和
题目链接
题目描述
给定一个非负整数数组，a1, a2, ..., an, 和一个目标数，S。现在你有两个符号 + 和 -。对于数组中的任意一个整数，你都可以从 + 或 -中选择一个符号添加在前面。
返回可以使最终数组和为目标数 S 的所有添加符号的方法数。
示例：
-
输入：nums: [1, 1, 1, 1, 1], S: 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
一共有5种方法让最终目标和为3。
提示：
-
数组非空，且长度不会超过 20 。
-
初始的数组的和不会超过 1000 。
-
保证返回的最终结果能被 32 位整数存下。
解法1：回溯法
这里目的是找到和为target的数的方法数，并且长度不超过20，所以我开始觉得是不会超时的。这里的index表示遍历的位置，因为不可以重复取值，所以都是遍历的当前的下一个。然后终结条件就是index的值等于nums数组的长度的时候。
代码实现
class Solution { int times = 0; int target = 0; public int findTargetSumWays(int[] nums, int target) { this.target = target; backTracking(0, 0, nums); return times; } public void backTracking(int index, int sum, int[] nums) { if (index == nums.length) { if (sum == target) times++; return; } for (int i = index; i < nums.length; i++) { sum += nums[index]; backTracking(i+1, sum, nums); sum -= 2*nums[index]; backTracking(i+1, sum, nums); return; } } }解法2：动态规划
如何转化为01背包问题呢。
假设加法的总和为x，那么减法对应的总和就是sum - x。
所以我们要求的是 x - (sum - x) = target
x = (target + sum) / 2
此时问题就转化为，装满容量为x的背包，有几种方法。
这里的x，就是bagSize，也就是我们后面要求的背包容量。
大家看到(target + sum) / 2 应该担心计算的过程中向下取整有没有影响。
这么担心就对了，例如sum 是5，S是2的话其实就是无解的，所以：
if ((target + sum) % 2 == 1) return 0; // 此时没有方案
同时如果 S的绝对值已经大于sum，那么也是没有方案的。
if (abs(target) > sum) return 0; // 此时没有方案
再回归到01背包问题，为什么是01背包呢？
因为每个物品（题目中的1）只用一次！
这次和之前遇到的背包问题不一样了，之前都是求容量为j的背包，最多能装多少。
本题则是装满有几种方法。其实这就是一个组合问题了。
-
确定dp数组以及下标的含义
dp[j] 表示：填满j（包括j）这么大容积的包，有dp[j]种方法
其实也可以使用二维dp数组来求解本题，dpi：使用 下标为[0, i]的nums[i]能够凑满j（包括j）这么大容量的包，有dpi种方法。
-
确定递推公式
有哪些来源可以推出dp[j]呢？
只要搞到nums[i]，凑成dp[j]就有dp[j - nums[i]] 种方法。
例如：dp[j]，j 为5，
-
已经有一个1（nums[i]） 的话，有 dp[4]种方法 凑成 容量为5的背包。
-
已经有一个2（nums[i]） 的话，有 dp[3]种方法 凑成 容量为5的背包。
-
已经有一个3（nums[i]） 的话，有 dp[2]中方法 凑成 容量为5的背包
-
已经有一个4（nums[i]） 的话，有 dp[1]中方法 凑成 容量为5的背包
-
已经有一个5 （nums[i]）的话，有 dp[0]中方法 凑成 容量为5的背包
那么凑整dp[5]有多少方法呢，也就是把 所有的 dp[j - nums[i]] 累加起来。
所以求组合类问题的公式，都是类似这种：
dp[j] += dp[j - nums[i]]
这个公式在后面在讲解背包解决排列组合问题的时候还会用到！
-
dp数组如何初始化
从递推公式可以看出，在初始化的时候dp[0] 一定要初始化为1，因为dp[0]是在公式中一切递推结果的起源，如果dp[0]是0的话，递推结果将都是0。
这里有录友可能认为从dp数组定义来说 dp[0] 应该是0，也有录友认为dp[0]应该是1。
其实不要硬去解释它的含义，咱就把 dp[0]的情况带入本题看看应该等于多少。
如果数组[0] ，target = 0，那么 bagSize = (target + sum) / 2 = 0。 dp[0]也应该是1， 也就是说给数组里的元素 0 前面无论放加法还是减法，都是 1 种方法。
所以本题我们应该初始化 dp[0] 为 1。
可能有同学想了，那 如果是 数组[0,0,0,0,0] target = 0 呢。
其实 此时最终的dp[0] = 32，也就是这五个零 子集的所有组合情况，但此dp[0]非彼dp[0]，dp[0]能算出32，其基础是因为dp[0] = 1 累加起来的。
dp[j]其他下标对应的数值也应该初始化为0，从递推公式也可以看出，dp[j]要保证是0的初始值，才能正确的由dp[j - nums[i]]推导出来。
-
确定遍历顺序
nums放在外循环，target在内循环，且内循环倒序。
-
举例推导dp数组
输入：nums: [1, 1, 1, 1, 1], S: 3
bagSize = (S + sum) / 2 = (3 + 5) / 2 = 4
代码实现
class Solution { public int findTargetSumWays(int[] nums, int target) { int sum = 0; for (int i = 0; i < nums.length; i++) sum += nums[i]; //如果target过大 sum将无法满足 if ( target < 0 && sum < -target) return 0; if ((target + sum) % 2 != 0) return 0; int size = (target + sum) / 2; if(size < 0) size = -size; int[] dp = new int[size + 1]; dp[0] = 1; 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]; } } -
-
-
-