LeetCode416. 分割等和子集

416. 分割等和子集

文章目录

- [416. 分割等和子集](https://leetcode.cn/problems/partition-equal-subset-sum/)
- - 一、题目
  - 二、题解
  - - 方法一：0-1背包二维数组
    - 方法二：0-1背包一维数组

一、题目

给你一个 只包含正整数 的非空数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

示例 1：

输入：nums = [1,5,11,5]
输出：true
解释：数组可以分割成 [1, 5, 5] 和 [11] 。

示例 2：

输入：nums = [1,2,3,5]
输出：false
解释：数组不能分割成两个元素和相等的子集。

提示：

1 <= nums.length <= 200
1 <= nums[i] <= 100

二、题解

方法一：0-1背包二维数组

步骤1：理解题目以及01 背包问题

在 01 背包问题中，我们有一系列物品，每个物品有自己的重量和价值，目标是选择一些物品放入背包中，使得背包的总重量不超过一定限制，同时所选物品的总价值最大。

题目要求将数组分割成两个子集，使得两个子集的元素和相等。这实际上就是在数组中寻找一个子集，使得这个子集的元素和等于整个数组元素和的一半。如果能找到这样的子集，那么剩余的元素的和也必然等于整个数组元素和的一半。

步骤2：将问题转化为 01 背包问题

将这道题目与 01 背包问题联系起来，可以将数组元素看作是物品的重量，而数组元素的值看作是物品的价值。我们的目标是将这些物品放入“背包”中，使得背包的总重量等于数组元素和的一半，同时价值最大。如果我们能找到一种放置物品的方式，使得背包中的物品总价值等于数组元素和的一半，那么剩余的物品总价值也必然等于数组元素和的一半，从而满足题目要求。

步骤3：套用0-1背包问题动态规划思路

在 01 背包问题中，动态规划的状态转移方程通常是：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-weight[i]] + value[i])

其中，dp[i][j] 表示在前 i 个物品中，背包的容量为 j 时的最大价值，weight[i] 表示第 i 个物品的重量，value[i] 表示第 i 个物品的价值。

在本题中，dp[i][j]：

i: 表示考虑前 i 个元素（或前 i 个物品，类比于 01 背包问题中的物品）。
j: 表示目标数值，即我们希望在考虑前 i 个元素的情况下，能够凑出的元素和（或背包的容量，类比于 01 背包问题中的背包容量）。

因此，dp[i][j] 的含义是：在考虑前 i 个元素的情况下，能否凑出元素和等于 j。

具体来说，dp[i][j] 可以有两种可能的取值：

如果可以在考虑前 i-1 个元素的情况下，凑出元素和等于 j，那么我们不需要使用第 i 个元素，所以 dp[i][j] = dp[i-1][j]。
如果可以在考虑前 i-1 个元素的情况下，凑出元素和等于 j-nums[i]，那么我们可以使用第 i 个元素，所以 dp[i][j] = dp[i-1][j-nums[i]]。

步骤4：初始化和边界条件

vector<vector<int>> dp(nums.size(),vector<int>(sum/2+1,0));
for(int i = 0; i < sum/2 + 1; i++){if(nums[0] <= i){dp[0][i] = nums[0];} 
}

将 dp 数组的第一行中的值初始化为 0，然后对于第一行中的某个位置 dp[0][i]，如果 nums[0] <= i，说明第一个元素可以放入背包中凑出和为 i，所以将其值设为 nums[0]；第一列因为j本身代表元素和，因此j = 0时nums[0][j] = 0.

步骤5：填充动态规划表

我们使用两个循环来遍历动态规划数组 dp 的每个位置。其中 i 表示考虑前 i 个元素，j 表示目标数值。

i 循环：我们从 i = 1 开始遍历，因为 i = 0 的情况已经在初始化部分处理过了，我们从第二个元素开始考虑。
j 循环：我们从 j = 1 开始遍历，因为不需要考虑元素和为 0 的情况，从小到大逐步考虑不同的目标数值。

在每个位置 (i, j)，我们需要根据当前的元素值 nums[i] 以及目标数值 j，判断是否可以在前 i 个元素中凑出元素和为 j。我们有两种选择：

如果当前元素值 nums[i] 大于目标数值 j，那么无法将当前元素放入凑出目标数值，因此 dp[i][j] = dp[i-1][j]，即继承前一个状态的值。
如果当前元素值 nums[i]小于等于目标数值 j，我们有两种选择：
- 选择不将当前元素放入，那么 dp[i][j] = dp[i-1][j]。
- 选择将当前元素放入，我们需要在前 i-1 个元素中寻找一种组合，使得元素和为 j-nums[i]，并且将当前元素值 nums[i] 加上。因此，dp[i][j] = max(dp[i-1][j-nums[i]] + nums[i], dp[i-1][j])，即选择两种选择中的较大值。

通过这两种选择，我们可以逐步填充 dp 数组，最终得到在不同元素和的情况下，是否存在一种组合方式，使得元素和接近或等于目标数值。这就是动态规划状态转移的过程，通过不断更新 dp 数组中的值，我们可以在最后的状态中找到问题的解。

for(int i = 1; i < nums.size(); i++){for(int j = 1; j < sum/2+1; j++){if(j < nums[i]){dp[i][j] = dp[i-1][j];} else {dp[i][j] = max(dp[i-1][j-nums[i]] + nums[i], dp[i-1][j]);}}
}

步骤6：寻找答案

在填充完整个 dp 数组后，我们需要寻找一个子集，使得其元素和等于整个数组元素和的一半。我们可以在 dp[i][sum/2] 处找到这个值，如果等于 sum/2，则表示存在这样的子集，返回 true，否则返回 false。

 for(int i = 0; i < nums.size(); i++){if(dp[i][sum/2] == sum/2){return true;}}return false;

总代码（和上面有一点点不同，进行了一定的变量改进）

class Solution {
public:bool canPartition(vector<int>& nums) {int sum = 0;for(int i = 0; i < nums.size(); i++){sum += nums[i];}// 如果数组元素和为奇数，无法分割成两个元素和相等的子集if(sum % 2 == 1){return false;}int target = sum / 2; // 目标数值为元素和的一半vector<vector<int>> dp(nums.size(),vector<int>(target+1,0));// 初始化第一行，表示只考虑第一个元素时的情况for(int i = 0; i < target + 1; i++){if(nums[0] <= i){dp[0][i] = nums[0];} }// 填充动态规划数组for(int i = 1; i < nums.size(); i++){for(int j = 1; j < target + 1; j++){if(j < nums[i]){// 当前元素值大于目标数值，无法放入背包dp[i][j] = dp[i-1][j];}else{// 选择放入当前元素或不放入，取较大值dp[i][j] = max(dp[i-1][j-nums[i]]+nums[i], dp[i-1][j]);}}}// 检查是否有一种组合方式使得元素和等于目标数值for(int i = 0; i < nums.size(); i++){if(dp[i][target] == target){return true;}}return false;}
};

方法二：0-1背包一维数组

思路和上面大差不差，但是可以节约空间。

class Solution {
public:bool canPartition(vector<int>& nums) {int sum = 0;for(int i = 0; i < nums.size(); i++){sum += nums[i];}// 如果数组元素和为奇数，无法分割成两个元素和相等的子集if(sum % 2 == 1){return false;}int target = sum / 2; // 目标数值为元素和的一半vector<int> dp(target+1, 0); // 使用一维数组来保存状态// 填充动态规划数组for(int i = 0; i < nums.size(); i++){// 注意循环条件是 j >= nums[i]，从后往前遍历for(int j = target; j >= nums[i]; j--){// 选择放入当前元素或不放入，取较大值dp[j] = max(dp[j-nums[i]] + nums[i], dp[j]);}}// 检查是否有一种组合方式使得元素和等于目标数值if(dp[target] == target){return true;}return false;}
};