Leetcode 分割等和子集-EW帮帮网

在这里插入图片描述
这段代码的目的是解决 LeetCode 416 问题：分割等和子集，即判断一个只包含正整数的数组，是否能够将其分割成两个子集，使得这两个子集的元素和相等。

算法思想（动态规划 - 背包问题）

该问题本质上是一个经典的动态规划问题，可以转化为“0-1 背包问题”，具体解释如下：

1. 总和判断：

首先，我们需要计算数组中所有元素的总和 sum。
如果这个总和 sum 是奇数，那我们无法将其分为两个和相等的子集，因为奇数无法均匀分成两个整数。因此，直接返回 false。
如果 sum 是偶数，则问题转化为：我们能否找到一个子集，使得该子集的和等于 sum / 2。如果可以找到这样一个子集，那么剩余的元素自然也会构成另一个子集，它们的和也为 sum / 2。

2. 动态规划：

动态规划的核心思想是：我们用一个布尔数组 dp 来表示从数组中是否可以选出若干元素使得这些元素的和为 j。其中 dp[j] 表示数组中的某些子集是否可以构成和为 j 的子集。
初始化：dp[0] = true，表示我们可以通过不选择任何元素来构成和为 0 的子集。
遍历数组中的每个元素 num，从后向前更新 dp 数组。对于每一个 num，我们要判断是否能通过之前的选择和这个 num 构成和为 j 的子集。

3. 代码执行过程：

首先计算数组元素的总和。
如果总和是奇数，直接返回 false。
然后创建一个目标和 target = sum / 2，这也是我们希望找到的子集的和。
初始化一个长度为 target + 1 的布尔数组 dp，用于记录是否可以通过某些元素构成特定的子集和。
对数组中的每个元素 num，从后向前遍历 dp 数组，更新 dp[j]，表示是否可以用之前的元素和当前元素 num 构成和为 j 的子集。
最后，dp[target] 的值即为我们想要的结果，如果 dp[target] 为 true，则表示可以找到这样的子集，返回 true；否则返回 false。

动态规划的状态转移方程：

dp[j] = dp[j] || dp[j - num]，即：
- 如果在没有当前数字 num 的情况下可以构成和为 j 的子集，那么 dp[j] 为 true。
- 或者，如果在没有当前数字 num 的情况下可以构成和为 j - num 的子集，那么加上当前数字 num 后也可以构成和为 j 的子集。

时间复杂度：

时间复杂度为 O(n * target)，其中 n 是数组中元素的个数，target 是总和的一半（即 sum / 2）。

总结：

这个问题使用动态规划解决，类似于“背包问题”的思路。通过判断是否可以找到和为 sum / 2 的子集，我们就可以判断数组是否能够被分割成两个和相等的子集。

java solution

class Solution {
    public boolean canPartition(int[] nums) {
        //只有nums所有元素和为偶数时，才有可能分割等和子集
        int sum = 0;
        for(int num : nums) {
            sum = sum + num;
        }

        if(sum % 2 != 0) {
            return false;
        }
        
        //如果所有元素和为偶数, 那么我们只要可以找到凑成和为 sum / 2 的子集，就可以返回 true
        int target = sum / 2;

        //创建boolean类型的dp数组, dp[i] 表示子集元素是否可以凑成和为 i
        // 通过 dp[target] 来判断是否凑成功, 所以创建  target + 1 个存储单元
        boolean[] dp = new boolean[target + 1];  //创建的boolean数组初始值默认为false
        dp[0] = true; //我们可以不选择任何元素来凑成 0

        //遍历每个数组元素,从后往前更新 dp
        for(int num : nums) {
            for(int j = target; j >= num; j--) {
                dp[j] = dp[j] || dp[j - num];
            }
        }

        return dp[target];
    }
}

如果 dp[j] 原本是 true，表示已经能够找到和为 j 的子集，保留 true；
或者，如果 dp[j - num] 为 true，表示可以通过之前的元素组合成和为 j - num 的子集，那么加上当前的 num，就可以组合成和为 j 的子集，所以 dp[j] 也应更新为 true

这部分代码片段，为什么是从后往前更新dp数组？

    // 遍历每个数字
    for (int num : nums) {
        // 从后向前更新 dp 数组
        for (int j = target; j >= num; j--) {
            dp[j] = dp[j] || dp[j - num];
        }
    }

这个代码片段中从 后往前 更新 dp 数组是为了防止在更新过程中产生错误的结果。原因与避免重复使用同一个元素有关，这是动态规划中处理“0-1 背包问题”时的常见技巧。

问题背景：

在这个问题中，每个元素只能使用一次。这与完全背包问题不同，后者允许一个元素多次使用。为了确保我们在更新 dp 数组时，使用的每个数字 num 只被处理一次，我们需要从后往前更新 dp 数组。

详细解释：

假设我们从前往后更新 dp 数组（即 for (int j = num; j <= target; j++)）会导致的问题：

例如，如果我们有一个数字 num = 5，当前目标和 target = 11。
当我们从前往后更新时，如果首先更新了 dp[5]，假设原本 dp[5] = false，在这次更新中我们设置了 dp[5] = true。
但是，当我们接着更新 dp[10] 时，dp[10] 的更新依赖于 dp[5]。由于我们刚刚把 dp[5] 更新为了 true，此时 dp[10] 也会被更新为 true。这样导致的问题是我们实际上用了两次 num = 5 来实现目标和，因为 dp[10] 是由新更新的 dp[5] 推导而来的，而这个 dp[5] 实际上是在同一轮循环中刚刚被更新过的。

因此，从前往后更新会导致我们错误地“多次使用”同一个元素。

为什么从后往前更新可以避免这个问题？

通过从后往前更新，可以确保每个元素 num 在每轮循环中只被使用一次。因为当我们更新 dp[j] 时，dp[j - num] 是基于 上一次循环的结果，而不是当前循环已经更新过的结果。具体原因如下：

当我们从 target 向 num 方向遍历时，dp[j] 只依赖于 dp[j - num]，而 dp[j - num] 在当前循环之前还没有被更新过，因此不会重复使用同一个元素。

举例说明：

假设我们有数组 nums = [1, 5]，目标和为 6，dp 数组的初始状态如下：

dp = [true, false, false, false, false, false, false]

其中 dp[0] 为 true 表示可以通过不选任何元素实现和为 0。

首先处理 num = 1，从后往前更新 dp 数组：
- 更新 dp[6]，不变，因为 dp[5] 还是 false。
- 更新 dp[5]，不变，因为 dp[4] 还是 false。
- 更新 dp[1] = dp[1] || dp[0] = true。更新后：

dp = [true, true, false, false, false, false, false]

接下来处理 num = 5，从后往前更新 dp 数组：
- 更新 dp[6] = dp[6] || dp[1] = true，因为 dp[1] 已经是 true（由之前的 num = 1 得到）。
- 更新 dp[5] = dp[5] || dp[0] = true，因为 dp[0] 是 true。

最终得到：

dp = [true, true, false, false, false, true, true]

这说明我们可以找到两个子集，分别为 {1, 5}，它们的和都是 6。

总结：

从后往前更新 dp 数组的目的是防止在同一次循环中重复使用同一个元素。这样确保了每个元素在一轮循环中只被考虑一次，从而正确解决问题。

为什么外层循环是遍历nums数组，而不是遍历j？

这段代码的外层循环遍历 nums 数组而不是直接遍历 j，是因为我们需要逐个处理数组中的每个数字，并根据这些数字来逐步更新 dp 数组。它遵循的算法思想是“0-1 背包问题”，每个数字只能使用一次，而不是可以无限制地使用。

具体原因和解释：

1. 动态规划的过程依赖于逐个数字的处理：

这个问题的核心是寻找是否存在一个子集，其和等于目标值 target。为了实现这一点，我们必须逐个遍历数组中的每一个元素，检查当前元素 num 是否能与之前选择的数字组合成新的子集，从而更新是否能够构成特定的和。
外层循环遍历 nums 数组，表示我们依次将数组中的每个元素加入到子集的选择中，然后根据这些元素更新 dp 数组，记录我们是否能够构成特定的子集和。

2. 动态规划状态的更新依赖于每个数字：

对于每个数字 num，我们需要判断当前这个 num 能否帮助我们构成新的子集和，即从和为 j - num 的子集中，加上 num，能否构成和为 j 的子集。这是通过内层循环来完成的。
外层循环遍历数组中的每个数字，每次拿到一个新的 num，我们就尝试更新所有可能的子集和（从 target 到 num）。因此，外层循环必须遍历 nums 数组，以确保每个元素都被考虑一次。

3. 逐步构造子集和：

动态规划的过程是一步步地构造所有可能的子集和，并用 dp[j] 来记录是否能构成和为 j 的子集。因此，必须逐个遍历每个 num，以确保每个数字都被正确处理，并且能基于前面的状态更新新的状态。

4. 确保每个数字只被使用一次：

如果外层循环遍历 j，而不是遍历 nums 数组，我们就无法确保每个数字 num 只被使用一次。这是因为，如果直接遍历 j，那么在每一轮更新 dp 数组时，我们可能会使用同一个 num 多次。
通过外层循环遍历 nums，我们保证每次只处理一个数字 num，并在内层循环中根据这个 num 更新 dp 数组。这符合“0-1 背包问题”的要求：每个元素最多只能使用一次。

举个例子：

假设我们有数组 nums = [1, 5]，目标和为 6，dp 数组初始为：

dp = [true, false, false, false, false, false, false]

此时：

外层循环遍历 nums，首先处理 num = 1，它会从 target 开始逐步更新 dp 数组，确保它和之前的组合是否可以构成新的子集。
接下来处理 num = 5，同样从 target 开始往前更新。

通过这种方式，我们保证每个 num 只被处理一次，避免重复使用同一个元素。

总结：

外层循环遍历 nums 数组，是为了逐一处理数组中的每个数字，确保每个数字 num 都能正确参与到子集和的构造过程中。
通过外层循环遍历 nums 数组，可以有效地控制每个数字 num 只使用一次，避免重复选择。这符合“0-1 背包问题”的要求，即每个元素只能使用一次。

Leetcode 分割等和子集