首先看到这题的题目，觉得很像以前做的组合问题，能直接找到问题的一部分解答方案，首先动态的寻找数组，省略已经读取的数组，然后不断的更新S的值，使得最后的S到数组长度为1的时候等于数组的值就可以了，这个方法是我最开始想到的方法，也就是递归一下我们的函数，不断更新数组和最后的S值就可以了，不做详细的介绍了，代码如下：

    public int findTargetSumWays(int[] nums, int S) {
        int res = 0;
        if (nums.length >= 2) {
            return findTargetSumWays(Arrays.copyOfRange(nums, 0, nums.length - 1), S+nums[nums.length-1])
                    +findTargetSumWays(Arrays.copyOfRange(nums, 0, nums.length - 1), S-nums[nums.length-1]);
        } else {
            if (nums.length == 1 && nums[0] == S) {
                res++;
            }
            if (nums.length == 1 && nums[0] == -S) {
                res++;
            }
                    return res;
        }

    }

第二种方法呢，和我昨天做的动态规划差不太多，也就是复杂的01背包问题：我们设置二维数组int[][]dp=new int[i][j];这里面的i是指的我们遍历数组的元素位置，j指的是我们遍历到数组i时候得到的和。我们对于每一个i都进行所有数组的遍历，将所有数组都进行更新，最后找到和为S的即可，代码如下：

    public int findTargetSumWays(int[] nums, int S) {
        int[][] dp = new int[nums.length][2001];
        dp[0][nums[0] + 1000] = 1;
        dp[0][-nums[0] + 1000] += 1;
        for (int i = 1; i < nums.length; i++) {
            for (int sum = -1000; sum <= 1000; sum++) {
                if (dp[i - 1][sum + 1000] > 0) {
                    dp[i][sum + nums[i] + 1000] += dp[i - 1][sum + 1000];
                    dp[i][sum - nums[i] + 1000] += dp[i - 1][sum + 1000];
                }
            }
        }
        return S > 1000 ? 0 : dp[nums.length - 1][S + 1000];
    }
}