当前:LC416 · 分割等和子集 · 首次出现于 Day 42 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC416动态规划背包 DP · 0/1状态表账本

分割等和子集

nums=[1,5,11,5] 能否平分 sum=22→子集和 11。

题目是什么

nums=[1,5,11,5] 能否平分 sum=22→子集和 11。

解决什么问题

当前格依赖哪些已知状态,为什么这些状态已经计算完成?

核心结论

0/1 背包 dp[sum] 可达;等价 subset sum。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“nums=[1,5,11,5] 能否平分 sum=22→子集和 11。”推导出 背包 DP · 0/1,并证明每次状态变化都不会漏掉答案?

中心结论:0/1 背包 dp[sum] 可达;等价 subset sum。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.当前格依赖哪些已知状态,为什么这些状态已经计算完成?
  3. 3.不变量“dp[j]|=dp[j-num]。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

给定一个只包含正整数的非空数组。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。

1. 每个数组中的元素不会超过 100 2. 数组的大小不会超过 200

在本站主例中,nums=[1,5,11,5] 能否平分 sum=22→子集和 11。

算法最终需要得到或观察:可达 11,true。

把题目翻译成状态
  • 输入:nums=[1,5,11,5] 能否平分 sum=22→子集和 11。
  • 机器需要维护:dp 布尔、nums[i]。
  • 最终可观察结果:可达 11,true。
动画 1 · 题意扫描

先看清算法到底要维护什么

先建立输入、目标、输出和第一批状态,不急着进入模板。

Step 1/20%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
03交互算法精讲

第一层方案:暴力做法

直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。

暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。

动画 2 · 暴力重复

重复工作究竟发生在哪里

把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

完全背包:每种硬币无限

正在加载算法场景...
优化方向:0/1 背包 dp[sum] 可达;等价 subset sum。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 1建模把输入翻译成“状态表账本”,明确答案需要观察什么。
  2. 2状态只维护 dp 布尔、nums[i]。
  3. 3转移每一步按照 0/1 背包 dp[sum] 可达;等价 subset sum。
  4. 4收尾读取 可达 11,true。,并复核边界与复杂度。
05交互算法精讲

状态表账本:核心概念

先写清 dp 状态含义,再推导转移、初值和遍历顺序。

这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:dp 布尔、nums[i]。

核心不变量
  • dp[j]|=dp[j-num]。
动画 3 · 核心概念

建立“状态表账本”心智模型

用主例建立核心状态,先预测下一步,再公开正确分支和理由。

Step 1/30%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

给定一个非空的数组,其中所有的数字都是正整数。问是否可以将这个数组的元素分为两部分,使得每部分的数字和相等。 这一题是典型的完全背包的题型。在 n 个物品中选出一定物品,完全填满 sum/2 的背包。 `F(n,C)` 代表将 n 个物品填满容量为 C 的背包,状态转移方程为 `F(i,C) = F(i - 1,C) || F(i - 1, C - w[i])`。当 i - 1 个物品就可以填满 C ,这种情况满足题意。同时如果 i - 1 个物品不能填满背包,加上第 i 个物品以后恰好可以填满这个背包,也可以满足题意。时间复杂度 `O( n sum/2 ) = O( n sum)`。

0/1 背包 dp[sum] 可达;等价 subset sum。

执行过程中持续维护:dp 布尔、nums[i]。

正确性依赖以下不变量:dp[j]|=dp[j-num]。

面试时可以压缩为:0/1 背包 O(n·sum)。

落到当前题,执行机制可以压缩为:0/1 背包 dp[sum] 可达;等价 subset sum。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。

动画 4 · 机制构建

一次状态转移为什么成立

集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。

Step 1/50%
dp[1] 用硬币 1: 0+1 = 1dp[a]=min(dp[a], dp[a-c]+1)

从 0 转移而来

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;dp[j]|=dp[j-num]。

保持

保持:执行“0/1 背包 dp[sum] 可达;等价 subset sum。”时,只删除已经能证明不可能的候选,并把新信息写回 dp 布尔、nums[i]。

终止

终止:没有待处理状态或达到命中条件时,当前可观察结果就是“可达 11,true。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:dp[j]|=dp[j-num]。
08交互算法精讲

完整执行过程

  1. 1题目与输入nums=[1,5,11,5] 能否平分 sum=22→子集和 11。 因为:0/1 背包 dp[sum] 可达;等价 subset sum。
  2. 2dp[1] 用硬币 1: 0+1 = 1尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  3. 3预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
  4. 4dp[4] 用硬币 1: 3+1 = 4尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  5. 5dp[5] 用硬币 5: 0+1 = 1尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  6. 6dp[7] 用硬币 1: 2+1 = 3尝试每种硬币松弛。 因为:完全背包正序枚举容量。
  7. 7无法凑出返回 dp[amount]。 因为:O(amount·|coins|)。
  8. 8收尾与复杂度可达 11,true。 因为:时间 O(n) · 空间 O(1)。0/1 背包 dp[sum] 可达;等价 subset sum。
动画 5 · 完整执行

从输入完整走到可观察结果

从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。

Step 1/80%
题目与输入建立输入、目标与算法心智

完全背包:每种硬币无限

正在加载算法场景...
09交互算法精讲

把动画和 Go 代码逐行对应

代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。

动画 6 · 代码映射

让每个动作都落到 Go 分支

重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。

Step 1/60%
dp[x] = 凑 x 的最少硬币数dp[0]=0

完全背包:每种硬币无限

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
func canPartition(nums []int) bool {
	sum := 0
	for _, v := range nums {
		sum += v
	}
	if sum%2 != 0 {
		return false
	}
	// C = half sum
	n, C, dp := len(nums), sum/2, make([]bool, sum/2+1)
	for i := 0; i <= C; i++ {
		dp[i] = (nums[0] == i)
	}
	for i := 1; i < n; i++ {
		for j := C; j >= nums[i]; j-- {
			dp[j] = dp[j] || dp[j-nums[i]]
		}
	}
	return dp[C]
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="coin-change", coins=[1,5,11,5], amount=11
    //    期望:可达 11,true。
    //
    // 2. 失败 / 未命中
    //    检查:sum 奇数直接 false。
    //
    // 3. 边界
    //    空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
    //
    // 4. 迁移
    //    LC494 目标和;LC322 零钱
}

Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n)

执行过程中只保留仍可能影响答案的状态。0/1 背包 dp[sum] 可达;等价 subset sum。

空间复杂度 O(1)

额外状态主要用于维护:dp 布尔、nums[i]。

终局不变量
  • dp[j]|=dp[j-num]。
12交互算法精讲

最容易写错的地方

错误 1

sum 奇数直接 false。

边界复查

必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意nums=[1,5,11,5] 能否平分 sum=22→子集和 11。
  2. 2重复直接递归会反复求同一个子问题;动态规划把答案写入状态表并按依赖顺序复用。
  3. 3优化0/1 背包 dp[sum] 可达;等价 subset sum。
  4. 4证明dp[j]|=dp[j-num]。
  5. 5复杂度时间 O(n),空间 O(1)
面试表达:0/1 背包 O(n·sum)。
迁移练习
  • LC494 目标和
  • LC322 零钱