数字和为sum的方法数--牛客

本文探讨了经典的背包问题,具体为给定数组A和整数sum,求A中部分数字组合等于sum的方案数量。通过动态规划方法,详细解释了如何构建dp数组来高效解决问题,提供了一个Java实现示例。

给定一个有n个正整数的数组A和一个整数sum,求选择数组A中部分数字和为sum的方案数。
当两种选取方案有一个数字的下标不一样,我们就认为是不同的组成方案。

输入描述:
输入为两行:
第一行为两个正整数n(1 ≤ n ≤ 1000),sum(1 ≤ sum ≤ 1000)
第二行为n个正整数A[i](32位整数),以空格隔开。

输出描述:出所求的方案数
示例1
输入
5 15

5 5 10 2 3
输出
4

解题思路:dp解决:

以每个物品作为纵轴,以背包容量作为横轴

        0 1 2 3 4 5 6..........

     0 1 0 0 0 0 0 0..........

     5 1 0 0 0 0 1 0

其中1表示前n件物品放入容量为M的背包有1种方法,(5,0)表示重量为5的物品放入容量为0的背包的背包有1中方法,

即不放入。0表示恰好放满背包的方法为0

当M>weight[i]时,dp[M]=dp[M]+dp[M-weight[i]];意义是:放入物品i和不放入物品i的方法总和

import java.util.Scanner;
//数字和为sum的方法数
public class Test2 {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int sum = sc.nextInt();
        int[] arr = new int[n];
        for(int i = 0; i < n; i++){
            arr[i] = sc.nextInt();
        }
        long[] dp = new long[sum+1];
        dp[0] = 1;
        for(int i=0;i<n;i++){
            for(int j=sum;j>=arr[i];j--){
                dp[j] += dp[j-arr[i]];
            }
        }
        System.out.println(dp[sum]);
    }
}
### 前缀算法概述 前缀是一种用于快速计算数组区间的技术。其核心思想是预先构建一个辅助数组 `prefix`,其中存储的是原数组从起始位置到当前位置的所有元素之。这样,在后续查询任意区间的时,可以通过简单的减法操作完成,而无需重复遍历整个区间。 定义如下: 给定数组 `arr` 的长度为 `n`,则前缀数组 `prefix[i]` 表示从索引 0 到 i 所有元素的累加[^1]: ```python prefix[0] = arr[0] for i in range(1, n): prefix[i] = prefix[i-1] + arr[i] ``` 通过上述方式预处理后,对于任何区间 `[l, r]` 的问题,可以直接利用公式 `sum(l, r) = prefix[r] - prefix[l-1]` 来高效解决(注意边界条件)。这种方法的时间复杂度为 O(n),而在多次查询的情况下效率显著提升。 --- ### 牛客网上的前缀相关题目及解析 牛客网上提供了大量关于前缀的应用场景练习题,帮助学习者深入理解这一概念并灵活运用它解决问题。以下是几个典型的例子及其解决方案简介[^3]: #### 题目一:子数组的最大平均数 I (LeetCode改编) **描述**: 给定整型数组 nums 正整数 k ,找出该数组中连续 k 个数字组成的子数组最大可能的平均值是多少? **思路**: 使用滑动窗口配合前缀技巧来优化时间性能。 实现代码片段如下所示: ```python def findMaxAverage(nums, k): prefix_sum = [0]*(len(nums)+1) for i in range(len(nums)): prefix_sum[i+1]=prefix_sum[i]+nums[i] max_avg=float('-inf') for j in range(k,len(prefix_sum)): current_window=(prefix_sum[j]-prefix_sum[j-k])/k if(current_window>max_avg): max_avg=current_window return max_avg ``` 此方法避免了每次重新计算窗口内的总,从而提高了运行速度。 --- ### 更多资源推荐 除了实际编码训练外,还可以参考一些理论性的文章加深认识。例如,《算法设计手册》提到过类似的累积计数策略可用于更广泛的组合数学领域;另外像力扣官方博客也有专门章节讲解动态规划与线性扫描相结合的最佳实践案例分享[^2]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值