分割等和子集：动态规划思路与实现解析

分割等和子集算法：动态规划思路与实现解析

在算法的学习过程中，“分割等和子集”是一道经典的动态规划题目，它主要考察我们对问题的转化能力以及动态规划思想的运用。接下来，我们将深入剖析这一算法，从解题思路的梳理，到代码实现，再到对算法结构和优点的解读，带你掌握解决这类问题的关键。

一、题目理解与需求分析

（一）题目描述

给定一个只包含正整数的非空数组 nums，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。例如，数组 [1,5,11,5] 可以分割成 [1,5,5] 和 [11]，两者和相等，返回 true ；数组 [1,2,3,5] 无法分割，返回 false 。

（二）核心矛盾提炼

• 和的计算：首先需要计算数组的总和，如果总和是奇数，那么肯定无法分割成两个和相等的子集（因为奇数不能被 2 整除 ）。如果总和是偶数，问题就转化为是否能从数组中选出一些元素，使得它们的和等于总和的一半。
• 元素选择：这类似于一个背包问题，即从数组中选择若干元素（每个元素只能选一次 ），使得它们的和恰好为目标值（总和的一半 ）。

二、解题思路：动态规划的应用

（一）问题转化

首先计算数组 nums 的总和 total ：

• 如果 total 是奇数，直接返回 false，因为无法分割成两个和相等的子集。
• 如果 total 是偶数，计算目标值 target = total / 2，问题就转化为：是否能从数组中选取若干元素，使得它们的和等于 target 。这就变成了一个典型的 0-1 背包问题（每个元素只能选或不选 ）。

（二）状态定义

定义 dp[i][j] 表示在前 i 个元素中，是否能选取若干元素使得它们的和等于 j 。其中 i 表示元素的索引（从 1 开始 ），j 表示目标和。

（三）状态转移方程推导

对于第 i 个元素（对应数组中的 nums[i - 1] ，因为 i 从 1 开始 ），有两种选择：

• 不选第 i 个元素：那么 dp[i][j] 的值就等于 dp[i - 1][j] ，即前 i - 1 个元素能否组成和为 j 的子集。
• 选第 i 个元素：如果 j >= nums[i - 1] ，那么 dp[i][j] 的值就等于 dp[i - 1][j - nums[i - 1]] ，即前 i - 1 个元素能否组成和为 j - nums[i - 1] 的子集，加上当前这个元素后和为 j 。

所以，状态转移方程为：

dp[i][j] = dp[i - 1][j] or (j >= nums[i - 1] and dp[i - 1][j - nums[i - 1]])

（四）初始条件确定

• dp[0][0] = true：表示前 0 个元素（没有元素 ）时，和为 0 是可以实现的（选 0 个元素 ）。
• 对于 j > 0，dp[0][j] = false：因为没有元素可选，无法组成和大于 0 的子集。

（五）遍历求解

首先计算 total ，判断是否为奇数。如果是，直接返回 false 。否则，计算 target = total / 2 ，然后创建二维 dp 数组（也可以优化为一维数组 ），按照状态转移方程进行遍历计算。最终，dp[n][target]（n 是数组长度 ）的值就是答案，如果为 true ，说明可以分割，否则不能。

以示例 1 nums = [1,5,11,5] 为例：

1. 计算 total = 1 + 5 + 11 + 5 = 22，是偶数，target = 11 。
2. 初始化 dp 数组，dp[0][0] = true 。
3. 处理第一个元素 1（i = 1 ）：
   • 对于 j 从 1 到 11 ：
     • 当 j = 1 时，dp[