一维数组动态规划
题目要求将数组分为两个相等子集的和，那么如果为真，那么这个数组的总和必定是偶数（条件一），且该数组的最大值必不大于该数组和的一半（条件二）。
那么该问题即可转化为求解和为是否有和为total = sum(nums) // 2的子数组问题。
使用一维数组dp = [False] * (total+1),
边界条件：当和为0时，必为真，则dp[0] = True
例：求解和为i (i = (1,2,…total))，
首先遍历每个num in nums，且，为防止重复，i必须逆序遍历。状态转移方程为:当i >= num: dp[i] = dp[i] | dp[i-num]
状态转移方程的意思是：是否有和为i的子数组取决于之前i的状态与i-num的状态。
为何要逆序：
例：[1,2,3,6],dp = [True, False, False, False, False,False, False]
那么遍历完num=1时，若i不逆序，则当i=1时，dp[i] = True（因为dp[i-num] = True）,而当i=2时，dp[i] = True，因为dp[i-num] = True(此时i= 2， 因此i-num=1， 而刚更新过的dp[1] = True)。因此i必须逆序，则，较小的和就不会影响较大的和。
为何状态转移方程dp[i] = dp[i] | dp[i-num]，
当遍历num in nums时，有可能会出现dp[i-num] = False的情况，然而当前的状态不应该影响以前的状态，若之前遍历的时候dp[i] = True，则若不加 |dp[i]，则会出错。

class Solution:
    def canPartition(self, nums: List[int]) -> bool:
        if sum(nums) % 2 == 1:  # 条件一
            return False
        n = sum(nums) // 2
        if max(nums) > n:    # 条件二
            return False
        dp = [False] * (n+1)
        dp[0] = True   # 初始值
        for num in nums:
            for i in range(n, 0, -1):
                if i >= num:
                    dp[i] = dp[i-num] | dp[i]   # 状态转移方程
        return dp[n]