算法分析与设计给定包含n个整数的序列a（其中可能包含负整数），设计一个算法（不考虑剪枝）从中选出若干整数，使它们的和恰好为t。例如，a=（-1,2,4,3,1）,t=5，求解结果是（2,3,1,-1），（2,3），（2,4,-1），（4,1）。代码

为了设计一个算法解决这个问题，你可以采用动态规划的方法。我们可以创建一个二维数组dp，其中dp[i][j]表示前i个元素和为j的情况下是否存在解决方案。对于每个元素a[i]，我们有两个选项：

1. 包含a[i]：如果当前和j减去a[i]还在目标范围内（即0 <= j - a[i] <= t），那么dp[i][j] = dp[i-1][j-a[i]]；如果不满足这个范围，则dp[i][j] = dp[i-1][j]，因为不包括a[i]也可以达到目标。
2. 不包含a[i]：dp[i][j] = dp[i-1][j]，因为我们可以在剩余的元素中找到和。

以下是伪代码描述：

def find_combinations(a, t):
    n = len(a)
    dp = [[False] * (t+1) for _ in range(n+1)]
    
    # 初始化基础情况：空集合的和就是0
    dp[0][0] = True
    
    # 动态规划遍历数组
    for i in range(1, n+1):
        for j in range(t+1):
            if a[i-1] <= j:   # 如果当前元素可以添加
                dp[i][j] = dp[i-1][j] or dp[i-1][j - a[i-1]]
            else:
                dp[i][j] = dp[i-1][j]

    # 回溯构建组合
    def backtrack(i, current_sum):
        nonlocal result
        if current_sum == t and i > 0:
            result.append(a[:i])
        if i < n and dp[i][current_sum]:
            backtrack(i + 1, current_sum)
            backtrack(i + 1, current_sum + a[i])

    result = []
    backtrack(n, 0)
    return result

# 示例
a = [-1, 2, 4, 3, 1]
t = 5
print(find_combinations(a, t))  # 输出所有符合条件的组合