1、什么是回溯法
回溯法是一种能避免不必要搜索的穷举式的搜索算法。它不是按照某种公式或确定的法则来求问题的解,而是通过试探和纠正错误的策略,找到问题的解。当探索到某一步时,发现原先的选择并不满足求解条件,或者还需要满足更多求解条件时,就退回一步(回溯)重新选择,这种走不通就退回再走的技术称为回溯法,而满足回溯条件的某个状态的点称为回溯点。
回溯算法的基本思想:以深度优先搜索的方式,根据产生子节点的条件约束,搜索问题的解。当发现当前节点已不满足求解条件时,就回溯返回,尝试其他路径。
2、回溯法解题的基本步骤
① 明确所有选择:画出搜索过程的决策树,根据决策树来确定搜索路径。
② 明确终止条件:推敲出递归的终止条件,以及递归终止时的要执行的处理方法。
③ 将决策树和终止条件翻译成代码:
Ⅰ.定义回溯函数(明确函数意义、传入参数、返回结果等)。
Ⅱ.书写回溯函数主体(给出约束条件、选择元素、递归搜索、撤销选择部分)。
Ⅲ.明确递归终止条件(给出递归终止条件,以及递归终止时的处理方法)。
3、回溯法的模板
private static void backtracking(List<List<Object>> list, Arraylist<Integer> tempList, int[] a,....)
{
//终止条件,也就是一次结果或者不符合条件
if(false)//false代表条件不符合
return false;
if(true)//当符合需要的结果
list.add(new ArrayList(tempList))//注意这里要重新创建,因为tempList是一个对象,改变的话,会改变结果值。所以重新创建
//对每个值进行回溯
for(int i = start; i < a.length; i++)
{
if(true)//存在某个限定条件的,比如出现重复值,跳过(根据条件限定而存在与否)
continue;
mask(used(i));//将i标记为已使用(根据条件限定而存在与否)
backtracking(list, tempList, a, i+1)//此处的i+1也可以根据实际情况判断题目中的数字是否可以重复使用
unmask(used(i));//回溯完要记得取消掉
tempList.remove(tempList.size() - 1);//回溯回父节点.寻找下一个节点
}
}
4、回溯法的应用
回溯法的应用中,最常见的应该就是全排列
题目内容:
给定一个不含重复数字的数组 nums
,返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。
题目示例:
输入:nums = [1,2,3] 输出:[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
代码如下:
public List<List<Integer>> permute(int[] nums) {
int len = nums.length;
// 使用一个动态数组保存所有可能的全排列
List<List<Integer>> res = new ArrayList<>();
if (len == 0) {
return res;
}
boolean[] used = new boolean[len];
List<Integer> path = new ArrayList<>();
dfs(nums, len, 0, path, used, res);
return res;
}
private void dfs(int[] nums, int len, int depth,
List<Integer> path, boolean[] used,
List<List<Integer>> res) {
if (depth == len) {
res.add(path);
return;
}
// 在非叶子结点处,产生不同的分支,这一操作的语义是:在还未选择的数中依次选择一个元素作为下一个位置的元素,这显然得通过一个循环实现。
for (int i = 0; i < len; i++) {
if (!used[i]) {
path.add(nums[i]);
used[i] = true;
dfs(nums, len, depth + 1, path, used, res);
// 注意:下面这两行代码发生 「回溯」,回溯发生在从 深层结点 回到 浅层结点 的过程,代码在形式上和递归之前是对称的
used[i] = false;
path.remove(path.size() - 1);
}
}
}