#Java #动态规划

Feeling and experiences：

目标和：力扣题目链接

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：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

这道题首先想到的是用回溯来做，因为就只有加减两种，要么取减法，要么取加法。

代码如下：

class Solution {int count=0;//全局变量！public int findTargetSumWays(int[] nums, int target) {//用回溯来做back(nums,target,0,0);return count;}//back方法public void back(int[] nums,int target,int index,int sum){//如果遍历到了最后：if(index == nums.length){  //注意 最后一个数要遍历完（所以要在最后一个数的后面）if(sum == target){count++;}}else{//回溯加法back(nums,target,index+1,sum+nums[index]);//回溯减法back(nums,target,index+1,sum-nums[index]);}}
}

虽然代码易懂，好想到，但是时间复杂度高，且在此章节还是要用动态规划。

class Solution {public int findTargetSumWays(int[] nums, int target) {int sum = 0;// 计算所有数字的和for (int num : nums) {sum += num;}// 计算和与目标值之间的差值int diff = sum - target;// 如果差值是负数或者不是偶数，则不存在解决方案if (diff < 0 || diff % 2 != 0) {return 0;}int n = nums.length, neg = diff / 2;// 创建动态规划表int[][] dp = new int[n + 1][neg + 1];// 初始化动态规划表dp[0][0] = 1;// 填充动态规划表for (int i = 1; i <= n; i++) {int num = nums[i - 1];for (int j = 0; j <= neg; j++) {// 计算不包含当前数字的情况dp[i][j] = dp[i - 1][j];// 如果可以加上当前数字，则累加上这种情况if (j >= num) {dp[i][j] += dp[i - 1][j - num];}}}// 返回结果return dp[n][neg];}
}

计算数组总和：首先，计算数组 nums 中所有元素的总和 sum。

确定剩余数：计算 sum - target。这一步是为了找出需要通过减法（即视为负数）得到的数的总和。

检查剩余数的奇偶性：如果 sum - target 是负数或奇数，那么问题无解。负数意味着目标和比所有数的总和还大，奇数意味着无法通过整数的加减组合得到目标和。

初始化动态规划数组：创建一个二维数组 dp，其中 dp[i][j] 表示在前 i 个数中选择一些数作为负数，使得这些负数的总和为 j 的方法数。

填充动态规划数组：
• 初始化 dp[0][0] = 1，表示没有选择任何数字时，和为 0 的方法只有一种。
• 对于每个数 nums[i] 和每个可能的和 j，更新 dp[i][j]。有两种情况：
• 不使用 nums[i]：此时方法数为 dp[i-1][j]。
• 使用 nums[i]（作为负数）：如果 j >= nums[i]，方法数增加 dp[i-1][j-nums[i]]。

返回结果：dp[n][neg] 是最终答案，其中 n 是数组的长度，neg 是 (sum - target) / 2 的值。

一和零:力扣题目链接

给你一个二进制字符串数组 strs 和两个整数 m 和 n 。

请你找出并返回 strs 的最大子集的长度，该子集中 最多 有 m 个 0 和 n 个 1 。

如果 x 的所有元素也是 y 的元素，集合 x 是集合 y 的 子集 。

示例 1：

输入：strs = ["10", "0001", "111001", "1", "0"], m = 5, n = 3
输出：4
解释：最多有 5 个 0 和 3 个 1 的最大子集是 {"10","0001","1","0"} ，因此答案是 4 。
其他满足题意但较小的子集包括 {"0001","1"} 和 {"10","1","0"} 。{"111001"} 不满足题意，因为它含 4 个 1 ，大于 n 的值 3 。

要先确定dp数组的含义，才能进行递推：

dp[i][j]：最多有i个0和j个1的strs的最大子集的大小为dp[i][j]。

class Solution {public int findMaxForm(String[] strs, int m, int n) {// dp[i][j] 表示最多有 i 个 0 和 j 个 1 时的字符串的最大数量int[][] dp = new int[m + 1][n + 1];int oneNum, zeroNum;// 遍历每个字符串for (String str : strs) {oneNum = 0;zeroNum = 0;// 统计字符串中 0 和 1 的数量for (char ch : str.toCharArray()) {if (ch == '0') {zeroNum++;} else {oneNum++;}}// 倒序遍历，以避免重复计算for (int i = m; i >= zeroNum; i--) {for (int j = n; j >= oneNum; j--) {// 更新 dp 表，决定是否选择当前字符串dp[i][j] = Math.max(dp[i][j], dp[i - zeroNum][j - oneNum] + 1);}}}// 返回最终结果return dp[m][n];}
}

 初始化动态规划数组：dp[i][j] 表示在最多使用 i 个 0 和 j 个 1 的情况下，能构成的最大子集数量。

 遍历字符串数组：对于每个字符串，计算其中 0 和 1 的数量。

  动态规划状态转移：对于每个字符串，更新动态规划表。如果当前字符串的 0 和 1 数量分别为 zeroNum 和 oneNum，那么对于每个 i >= zeroNum 和 j >= oneNum，检查是否将当前字符串加入子集中可以得到更大的子集数量。

  倒序更新：动态规划表需要从大到小更新，以避免在更新过程中使用到本轮已经更新过的值，从而保证每个字符串只被考虑一次。

这道题我认为关键在于怎么写dp数组，dp数组含义怎么理解。

理解到了，递推其实并不难：

• 我们从 m 到 zeroNum，从 n 到 oneNum 倒序遍历。对于每对 (i, j)，我们有两个选择：
• 不包含当前字符串：此时子集的大小保持为 dp[i][j]。
• 包含当前字符串：如果包含当前字符串，子集大小将增加 1，但我们需要使用 zeroNum 个 0 和 oneNum 个 1。因此，新的子集大小为 dp[i - zeroNum][j - oneNum] + 1。
• 我们取这两种选择中的最大值来更新 dp[i][j]。

“一双桨悠懒，

一绵江风微拂素罗衫”

Fighting！