Leetcode分类解析：组合算法-CSDN博客

本文链接：https://blog.csdn.net/dc_726/article/details/51824708

本文深入探讨LeetCode中组合算法的分类，包括回溯、组合、子集、排列和分区等问题，并阐述解题策略，如递归、深度优先搜索和回溯技术的应用。通过典型问题分析，揭示了递归、DFS、BFS和回溯之间的关系，并给出了相关习题列表，帮助读者理解和掌握组合算法的精髓。

摘要由CSDN通过智能技术生成

Leetcode分类解析：组合算法

所谓组合算法就是指：在解决一些算法问题时，需要产生输入数据的各种组合、排列、子集、分区等等，然后逐一确认每种是不是我们要的解。从广义上来说，组合算法可以包罗万象，甚至排序、各种搜索算法都可以算进去。最近读《The Algorithm Design Manual》时了解到这种归类，上网一查，甚至有专门的书籍讲解，而且Knuth的巨著TAOCP的第四卷就叫组合算法，看来还真是孤陋寡闻了！于是最近着重专攻了一下Leetcode中所有相关题目，在此整理一下学习心得。题量重要，质量也重要！

1.分类地图

个人以为，以组合算法为一大类是非常好的分类方式，比目前网上看到的一些类似穷举、BFS、DFS的分类方法要清晰得多。那首先来看一下组合算法在本系列所处的位置，以及它可以细分为几小块吧：

基础结构（Fundamentals）
1.1 数组和链表（Array&List）：插入、删除、旋转等操作。
1.2 栈和队列（Stack&Queue）：栈的典型应用。
1.3 树（Tree）：构建、验证、遍历、转换。
1.4 字符串（String）：转换、搜索、运算。
积木块（Building Block）
2.1 哈希表（Hashing）
2.2 分治（Divide-and-Conquer）
2.3 排序（Sorting）
2.4 二分查找（Binary Search）
高级算法（Advanced）：
3.1 组合算法（Combinatorial Algorithm）：
- 回溯（Backtracking）
- 组合（Combination）
- 子集（Subset）
- 排列（Permutation）
- 分区（Partition）
3.2 贪心算法（Greedy Algorithm）：贪心的典型应用。
3.3 动态规划（Dynamic Programming）：广泛应用DP求最优解。
其他杂项（Misc）：
4.1 数学（Math）
4.2 位运算（Bit Manipulation）
4.3 矩阵（Matrix）

2.解题策略

关于组合算法的解题策略，红宝书《The Algorithm Design Manual》的第7章和第14章有详细的介绍。如果还嫌不够的话，可以参考Knuth的宏篇巨著《The Art of Computer Programming》4a卷。回溯是列举所有可能解来实现组合算法的典型技术。《The Algorithm Design Manual》除了基本问题外，还介绍了一些巧妙的剪枝技术，在此就不涉及了，还是以Leetcode为蓝本，避免跑题。

2.1 递归调用、深度搜索和回溯技术

初学时，难免对回溯、DFS、递归三者的关系理不清，感觉好像都是一个东西，其实不然。要想理清这三者的关系，先递归，再DFS/BFS，最后看一下回溯就一目了然了。

2.1.1 递归（Recursion）

递归可以用来实现各种符合递归结构的算法（正在专门写一篇递归的文章《程序设计基石：递归》）。从实现机制上来说，递归只是编程语言提供给我们的一种程序编写方式，在操作系统运行程序时用栈Frame来帮我们实现。从解决问题的方式上来说，与循环从前往后的解决问题方式类似，递归是自底向上，先得到更小问题的解，再逐步合并成大问题的解。以Leetcode习题为例，最典型的就是递归实现的Divide-and-Conquer策略，能够解决一大类问题，所以它绝不限于DFS和回溯问题。

2.1.2 深度/广度优先搜索（DFS/BFS）

而所谓的深度优先DFS、广度优先BFS，则是属于图（树）范畴的术语，特指逐步遍历图中各结点的方式。一般来说，DFS用递归实现比较方便，因为我们充分利用编程语言提供的便利，将Stack的维护问题交给OS去管理了。当然我们完全可以忽视这种遍历，自己显示用循环+Stack方式实现。而BFS则一般要用循环+Queue的方式去实现，因为没有像递归那样的简便实现机制，所以稍显麻烦一些。以Leetcode习题为例，树的前中后序遍历都属于DFS，而Level序遍历（及像ZigZag各种变种问题）都属于BFS。

2.1.3 回溯（Backtracking）

终于说到了回溯，《The Algorithm Design Manual》给出了定义：”Backtracking can be viewed as a depth-first search on an implicit graph”，用树（图）来表示递归的执行过程的话（这是很自然的研究递归的方式），回溯就是在隐式图上执行的DFS搜索来构建解的方式。所谓隐式图在第5章开头有解释：它指的就是我们不会一上来就把回溯的整个递归过程形成的树（图）完全生成出来，而是随着回溯的执行，一点点构建，有点像游戏里的打地图。其实很容易理解，因为很多问题不是要找到所有解，而是判断有解就可以结束回溯了，所以没必要走完整个搜索空间。当然，上面的定义并不绝对，为什么不用BFS呢？《The Algorithm Design Manual》的解释是：因为对大部分问题来说，执行过程树的高度不会太高