各位题友大家好! 今天是 @负雪明烛 坚持日更的第 85 天。今天力扣上的每日一题是「377. 组合总和 Ⅳ」。
解题思路
题意:从输入的 nums
数组中挑选数字(可重复)使得这些数字的和是 target
,求有多少种组合方法。
今天这个题目有个明显的提示:求组合的个数,而不是每个组合。如果是要求出每个组合,那么必须使用回溯法,保存所有路径。但是如果是组合个数,一般都应该想到「动态规划」的解法。
直接写出「动态规划」的解法,我认为是有一定难度的。不妨先写出「记忆化递归」,然后修改为「动态规划」。
递归
要求构成 target
有多少种组合方法,这里的变量应该是 target
,所以,令函数 **dp(x)**
表示从 nums
中挑选数字可以构成 x 的方法数(递归最基本的就是理解这个定义!)。最终返回的应该是 dp(target)
。
对于题目输入 nums = [1,2,3]
, target = 4 时:要求有多少种方法能够成 4,即要求 dp(4)
。思考过程如下。
我们遍历 nums
,判断如果构成 target
的时候,选择了 nums[i]
,那么剩余的 target - nums[i]
仍在 nums
中选的话,会有多少种方法。
- 对于
nums[0] = 1
, 我们要求有多少种方法能够成target - nums[0] = 4 - 1 = 3
,即要求dp(3)
; - 对于
nums[1] = 2
, 我们要求有多少种方法能够成target - nums[1] = 4 - 2 = 2
,即要求dp(2)
; - 对于
nums[2] = 3
, 我们要求有多少种方法能够成target - nums[2] = 4 - 3 = 1
,即要求dp(1)
;
所以,dp(4) = dp(3) + dp(2) + dp(1)
。然后调用函数继续求解 dp(3)
, dp(2)
和 dp(1)
。
发现出现了递归!这就是我在每个用到递归的题解中都会说的,把大问题拆分成小问题,然后发现小问题恰好可以用同样的函数解决,于是构成了递归。递归是一种现象,绝不是为了递归而递归。
那么递归终止条件是什么呢?也就是说最基础的case应该直接返回什么结果呀?
- 题目给出的数字都是正整数,因此如果当要求的
target < 0
的时候,无论如何都无法从数组中挑选元素构成,所以应该返回 0 ; - 当要求的
target == 0
的时候,需要return 1
;为什么呢?因为我们注意题目给出的输入target
一定是大于 0 的,如果在递归的时候target == 0
,说明在for
循环中的target - num
得到了 0,表示nums
数组中恰好有一个数字等于target
。所以返回 1。
递归代码如下,提交的时候会超时。
class Solution(object):
def combinationSum4(self, nums, target):
if target < 0:
return 0
if target == 0:
return 1
res = 0
for num in nums:
res += self.combinationSum4(nums, target - num)
return res
- 时间复杂度:$O(N^target)$,N 是 nums 的长度。每次递归需要计算 N 次,递归深度最多 target 。
- 空间复杂度:$O(target)$
记忆化递归
上面的递归方法会超时,是因为有重复计算,比如计算 dp(4)
的时候计算了 dp(2)
,而计算 dp(3)
的时候会再次计算 dp(2)
。如果我们在递归的过程中,把已经计算了的结果放在数组/字典中保存,那么下次需要再次计算相同的值的时候,直接从数组/字典中读取同样的计算结果,就能省下很多计算。
下面的代码演示了如何使用「记忆化递归」。定义了一个 dp
数组,保存已经计算了的每个 dp(x)
。 dp
数组的每个位置初始化为 -1, 表示还没有计算过。在递归函数刚开始的时候,不仅要判断 target
是否 < 0
,还要判断当前计算的 target
是否计算过(即 dp[target] != -1
)。只有在没计算过的情况下,才执行递归。并且在执行递归之后,需要把当前 target
的计算结果保存到 dp
数组中。
class Solution(object):
def combinationSum4(self, nums, target):
self.dp = [-1] * (target + 1)
self.dp[0] = 1
return self.dfs(nums, target)
def dfs(self, nums, target):
if target < 0: return 0
if self.dp[target] != -1:
return self.dp[target]
res = 0
for num in nums:
res += self.dfs(nums, target - num)
self.dp[target] = res
return res
- 时间复杂度:$O(N*target)$,N 是 nums 的长度。对于每个 target 求解的时候,只用遍历一次 dp 数组。
- 空间复杂度:$O(target)$
动态规划
理解了「记忆化递归」之后,写出动态规划只有一步之遥。递归是自顶向下的计算方式(大问题->小问题),而动态规划是自底向上的计算方式(小问题->大问题)。
动态规划也同样地定义 dp
数组,dp[i]
表示从 nums
中抽取元素组成 target
的方案数。dp
数组的长度是 target + 1
。其中 dp[0]
表示从数组中抽取任何元素组合成 0 的方案数,根据我们在递归时的分析,我们知道需要令 dp[0] = 1
。其他位置的 dp[i]
需要初始化为 0,表示我们还没有计算过这个位置,默认的方案数为0。
想要计算得到 target
,需要把 dp[1~target]
的各个元素都计算出来。每个位置的计算都是为了后面的计算做准备。
动态规划的代码如下,是从记忆化递归改造而来。
class Solution(object):
def combinationSum4(self, nums, target):
dp = [0] * (target + 1)
dp[0] = 1
res = 0
for i in range(target + 1):
for num in nums:
if i >= num:
dp[i] += dp[i - num]
return dp[target]
class Solution {
public:
int combinationSum4(vector<int>& nums, int target) {
vector<int> dp(target + 1, 0);
dp[0] = 1;
for (int i = 1; i <= target; i++) {
for (auto a : nums) {
if (i >= a) {
dp[i] += dp[i - a];
}
}
}
return dp.back();
}
};
- 时间复杂度:$O(N*target)$,N 是 nums 的长度。两重 for 循环,循环次数分别为 target 和 N。
- 空间复杂度:$O(target)$
刷题心得
「动态规划」是由「记忆化递归」改进而来,一般题解只告诉你这个题要用「动态规划」,但是没解释怎么想到「动态规划」,因为没说想法来自「记忆化递归」。我的建议是,不妨先写出「记忆化递归」,然后再改造成「动态规划」。大部分题目的「记忆化递归」就能通过了,比如本题。
OK,以上就是 @负雪明烛 写的今天题解的全部内容了,如果你觉得有帮助的话,求赞、求关注、求收藏。如果有疑问的话,请在下面评论,我会及时解答。
关注我,你将不会错过我的精彩动画题解、面试题分享、组队刷题活动,进入主页 @负雪明烛 右侧有刷题组织,从此刷题不再孤单。
祝大家 AC 多多,Offer 多多!我们明天再见!