如果你所有元素的总和不是太大(数百万以内),那么你可以做一个类似于背包问题的解决方案。您的 DP 状态是两个集合之间的差异,并且对于每个元素,您都迭代了迄今为止您知道的所有差异,并更新它们。由于差异不能超过所有元素的总和,因此复杂性最终O(n * s)
是n
元素的数量和s
它们的总和。您将需要某种逻辑来恢复答案。例如,如果你所有的元素都是非负的,你可以只存储之前的差异。这是一个示例 python 代码(我稍微修改了您的示例案例,因为对于您的案例,它找到了一个不感兴趣的答案[10], [12]
)
a = [5, 20, 30, 1000]
n = 7
states = {(0, False, False): None} # state is sum, hasPositive, hasNegative => prevsum, prevHasP, prevHasN
for el in a:
newStates = {}
for k, v in states.items():
newStates[k] = v
for v, hasP, hasN in states:
if (v + el, True, hasN) not in newStates:
newStates[(v + el, True, hasN)] = (v, hasP, hasN)
if (v - el, hasP, True) not in newStates:
newStates[(v - el, hasP, True)] = (v, hasP, hasN)
states = newStates
best = None
for key, hasP, hasN in states.keys():
if key >= -n and key <= n and hasP and hasN and (best == None or abs(best[0]) > abs(key)):
best = (key, hasP, hasN)
if best is None: print "Impossible"
else:
ans1 = []
ans2 = []
while best[1] or best[2]: # while hasPositive or hasNegative
prev = states[best]
delta = best[0] - prev[0]
if delta > 0:
ans1.append(delta)
else:
ans2.append(- delta)
best = prev
print ans1
print ans2
正如我之前提到的,它只有在你的所有元素都是非负数时才有效,但是如果元素可以是负数,很容易调整恢复答案的代码也可以工作。