动态规划解决金币分割问题：最小差值与方法数计算

1. 问题分析与算法选型

这道金币分割问题看似简单，但蕴含着典型的动态规划思想。我们需要解决两个核心问题：一是找到两堆金币的最小价值差，二是计算达到这个最小差的分割方法数。

1.1 问题本质剖析

题目可以转化为经典的"子集和"问题变种：给定一组数字，将其分成两个子集，使得两个子集的和尽可能接近。这与背包问题有异曲同工之妙：

• 背包容量：总价值的一半（sum/2）
• 物品：每枚金币
• 物品价值：金币面值
• 目标：尽可能装满背包

1.2 为什么选择动态规划

暴力枚举所有可能的子集显然不可行，时间复杂度高达O(2^N)，当N=250时计算量完全不可接受。动态规划的优势在于：

1. 时间复杂度优化：O(Nsum)的时间复杂度对于N≤250和v_i≤2000是可接受的（sum最大为2502000=500,000）
2. 空间优化：使用滚动数组可以将空间复杂度控制在O(sum)
3. 可扩展性：同样的框架可以同时解决最小差值和方法数两个问题

2. 算法实现详解

2.1 预处理与初始化

首先我们需要计算所有金币的总价值：

cpp复制int sum = 0;
for(int i=1;i<=n;i++) {
    a[i] = read();
    sum += a[i];
}
int half = sum / 2;  // 目标背包容量

这里half表示理想情况下每堆金币能达到的最大值（不超过总价值的一半）。

2.2 求解最大可达价值

我们使用经典的0-1背包思路来求解：

cpp复制vector<int> f(half+1, 0);
for(int i=1;i<=n;i++) {
    for(int j=half;j>=a[i];j--) {
        f[j] = max(f[j], f[j-a[i]]+a[i]);
    }
}

f[j]表示容量为j的背包能装下的最大价值。通过逆序更新确保每个金币只被使用一次。

2.3 计算最小差值

得到f[half]后，最小差值就是：

cpp复制int min_diff = sum - 2 * f[half];

这个公式的推导很简单：一堆价值为f[half]，另一堆就是sum - f[ha