本文涉及知识点
动态规划汇总
 C++算法:前缀和、前缀乘积、前缀异或的原理、源码及测试用例 包括课程视频
 C++算法:滑动窗口总结
 多重背包
LeetCode2902. 和带限制的子多重集合的数目
给你一个下标从 0 开始的非负整数数组 nums 和两个整数 l 和 r 。
 请你返回 nums 中子多重集合的和在闭区间 [l, r] 之间的 子多重集合的数目 。
 由于答案可能很大,请你将答案对 109 + 7 取余后返回。
 子多重集合 指的是从数组中选出一些元素构成的 无序 集合,每个元素 x 出现的次数可以是 0, 1, …, occ[x] 次,其中 occ[x] 是元素 x 在数组中的出现次数。
 注意:
 如果两个子多重集合中的元素排序后一模一样,那么它们两个是相同的 子多重集合 。
 空 集合的和是 0 。
 示例 1:
 输入:nums = [1,2,2,3], l = 6, r = 6
 输出:1
 解释:唯一和为 6 的子集合是 {1, 2, 3} 。
 示例 2:
 输入:nums = [2,1,4,2,7], l = 1, r = 5
 输出:7
 解释:和在闭区间 [1, 5] 之间的子多重集合为 {1} ,{2} ,{4} ,{2, 2} ,{1, 2} ,{1, 4} 和 {1, 2, 2} 。
 示例 3:
 输入:nums = [1,2,1,3,5,2], l = 3, r = 5
 输出:9
 解释:和在闭区间 [3, 5] 之间的子多重集合为 {3} ,{5} ,{1, 2} ,{1, 3} ,{2, 2} ,{2, 3} ,{1, 1, 2} ,{1, 1, 3} 和 {1, 2, 2} 。
 提示:
 1 <= nums.length <= 2 * 104
 0 <= nums[i] <= 2 * 104
 nums 的和不超过 2 * 104 。
 0 <= l <= r <= 2 * 104
动态规划
vCnt[i]记录i在nums中出现的次数,vCnt[i]不为0的数目不超过200个。
 子多重集合 就是子序列。
 i为0要特殊处理,否则会死循环。
动态规划的状态表示
dp[i][j] 表示 ,从[0,i]中选取若干个数和为j的可能数。状态数:O(200r)。
 注意用滚动向量vPre、dp实现。
 由于unorder_map 大约是O(10),所以有超时的风险。直接vector<vector<>> 空间复杂度是:O(nr),空间会超。
利用前缀和优化转移方程
计算后置状态:
 dp[j] =  
     
      
       
        
         
         
           ∑ 
          
          
          
            x 
           
          
            : 
           
          
            0 
           
          
          
          
            v 
           
          
            C 
           
          
            n 
           
          
            t 
           
          
            [ 
           
          
            i 
           
          
            ] 
           
          
         
        
          v 
         
        
          P 
         
        
          r 
         
        
          e 
         
        
          [ 
         
        
          j 
         
        
          − 
         
        
          x 
         
        
          × 
         
        
          i 
         
        
          ] 
         
         
        
          s 
         
        
          . 
         
        
          t 
         
         
        
          j 
         
        
          − 
         
        
          x 
         
        
          × 
         
        
          i 
         
        
          > 
         
        
          = 
         
        
          0 
         
        
       
      
        \Large\sum_{x:0}^{vCnt[i]}vPre[j-x\times i] \quad s.t \quad j-x \times i>=0 
       
      
    ∑x:0vCnt[i]vPre[j−x×i]s.tj−x×i>=0
 显然,可以用前缀和优化。
 转移方程的时间复杂度为:O(1),总时间复杂度为O(200r)。
动态规划的填表顺序
i从大到小。从小到大似乎也没问题。
动态规划的初始值
vPre[0]=1
动态规划的范围值
∑ x : l r v P r e [ x ] \Large \sum _{x:l}^r vPre[x] ∑x:lrvPre[x]
代码
核心代码
template<int MOD = 1000000007>
class C1097Int
{
public:
	C1097Int(long long llData = 0) :m_iData(llData% MOD)
	{
	}
	C1097Int  operator+(const C1097Int& o)const
	{
		return C1097Int(((long long)m_iData + o.m_iData) % MOD);
	}
	C1097Int& operator+=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData + o.m_iData) % MOD;
		return *this;
	}
	C1097Int& operator-=(const C1097Int& o)
	{
		m_iData = (m_iData + MOD - o.m_iData) % MOD;
		return *this;
	}
	C1097Int  operator-(const C1097Int& o)
	{
		return C1097Int((m_iData + MOD - o.m_iData) % MOD);
	}
	C1097Int  operator*(const C1097Int& o)const
	{
		return((long long)m_iData * o.m_iData) % MOD;
	}
	C1097Int& operator*=(const C1097Int& o)
	{
		m_iData = ((long long)m_iData * o.m_iData) % MOD;
		return *this;
	}
	bool operator<(const C1097Int& o)const
	{
		return m_iData < o.m_iData;
	}
	C1097Int pow(long long n)const
	{
		C1097Int iRet = 1, iCur = *this;
		while (n)
		{
			if (n & 1)
			{
				iRet *= iCur;
			}
			iCur *= iCur;
			n >>= 1;
		}
		return iRet;
	}
	C1097Int PowNegative1()const
	{
		return pow(MOD - 2);
	}
	int ToInt()const
	{
		return m_iData;
	}
private:
	int m_iData = 0;;
};
class Solution {
public:
	int countSubMultisets(vector<int>& nums, int left, int r) {
		const int iMax = *std::max_element(nums.begin(), nums.end());
		vector<int> vCnt(1 + iMax);
		for (const auto& n : nums)
		{
			vCnt[n]++;
		}
		vector<C1097Int<>> vPre(r + 1);
		vPre[0] = 1;
		for (int i = iMax; i >= 0; i--)
		{
			if (0 == vCnt[i])
			{
				continue;
			}
			vector<C1097Int<>> dp(r + 1);
			if (0 == i)
			{
				for (int k = 0; k <= r; k++)
				{
					dp[k] = vPre[k] * (1 + vCnt[i]);
				}
			}
			else
			{
				for (int m = 0; m < i; m++)
				{
					C1097Int<> iiSum = 0;
					for (int k = m; k <= r; k += i)
					{
						iiSum += vPre[k];
						const int delIndex = k - (vCnt[i] + 1) * i;
						if (delIndex >= 0)
						{
							iiSum -= vPre[delIndex];
						}
						dp[k] = iiSum;
					}
				}
			}
			vPre.swap(dp);
		}
		C1097Int<> biRet = std::accumulate ( vPre.begin() + left, vPre.begin() + r + 1, C1097Int<>());
		return biRet.ToInt();
	}
};
测试用例
emplate<class T, class T2>
void Assert(const T& t1, const T2& t2)
{
	assert(t1 == t2);
}
template<class T>
void Assert(const vector<T>& v1, const vector<T>& v2)
{
	if (v1.size() != v2.size())
	{
		assert(false);
		return;
	}
	for (int i = 0; i < v1.size(); i++)
	{
		Assert(v1[i], v2[i]);
	}
}
int main()
{
	vector<int> nums;
	int l,  r;
	{
		Solution sln;
		nums = { 1, 2, 2, 3 }, l = 6, r = 6;
		auto res = sln.countSubMultisets(nums, l, r);
		Assert(1, res);
	}
	{
		Solution sln;
		nums = { 2, 1, 4, 2, 7 }, l = 1, r = 5;
		auto res = sln.countSubMultisets(nums, l, r);
		Assert(7, res);
	}
	{
		Solution sln;
		nums = { 1, 2, 1, 3, 5, 2 }, l = 3, r = 5;
		auto res = sln.countSubMultisets(nums, l, r);
		Assert(9, res);
	}
}

扩展阅读
视频课程
有效学习:明确的目标 及时的反馈 拉伸区(难度合适),可以先学简单的课程,请移步CSDN学院,听白银讲师(也就是鄙人)的讲解。
 https://edu.csdn.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
 https://edu.csdn.net/lecturer/6176
相关
下载
想高屋建瓴的学习算法,请下载《喜缺全书算法册》doc版
 https://download.csdn.net/download/he_zhidan/88348653
| 我想对大家说的话 | 
|---|
| 闻缺陷则喜是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。 | 
| 子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。 | 
| 如果程序是一条龙,那算法就是他的是睛 | 
测试环境
操作系统:win7 开发环境: VS2019 C++17
 或者 操作系统:win10 开发环境: VS2022 C++17
 如无特殊说明,本算法用**C++**实现。








![P8597 [蓝桥杯 2013 省 B] 翻硬币 Python](https://img-blog.csdnimg.cn/direct/e7ce40e1f2aa418ca648a63da2f0663e.png)











