1、没个数限制的组合求和
1.1 leetcode 39：组合求和
第一遍代码
刚开始没思路，直到看到这张图
看图写代码：
class Solution {
public:
vector<vector<int>> res;
void backTracking(vector<int> candidates, vector<int>& path, int target, int start) {
//target记录距离目标剩下的值，注意对下层递归去重
if(target == 0) {
res.push_back(path);
return;
}
if(target < 0) return;
for(int i = start; i < candidates.size(); i++) {
path.push_back(candidates[i]);
target -= candidates[i];
backTracking(candidates, path, target, i);
target += candidates[i];
path.pop_back();
}
return;
}
vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
vector<int> path;
backTracking(candidates, path, target, 0);
return res;
}
};
与leetcode 77，216相比，本题没有数量要求，可以无限重复，但是有总和的限制，所以间接的也是有个数的限制（递归终止条件）
注意图中叶子节点的返回条件，因为本题没有组合数量要求，仅仅是总和的限制，所以递归没有层数的限制，只要选取的元素总和超过target，就返回
在leetcode 77，216中都可以知道要递归K层，因为要取k个元素的组合
回溯三部曲
1、递归函数参数
这里依然是定义两个全局变量，二维数组result存放结果集，数组path存放符合条件的结果（这两个变量可以作为函数参数传入）
首先是题目中给出的参数，集合candidates, 和目标值target
此外我还定义了int型的sum变量来统计单一结果path里的总和，其实这个sum也可以不用，用target做相应的减法就可以了（第一遍代码），最后如何target==0就说明找到符合的结果了，但为了代码逻辑清晰，代码随想录依然用了sum
本题还需要startIndex来控制for循环的起始位置，对于组合问题，什么时候需要startIndex呢？
我举过例子，如果是一个集合来求组合的话，就需要startIndex，例如：leetcode 77，216，因为要在那个集合中明确下一层递归从哪个元素开始
如果是多个集合取组合，各个集合之间相互不影响，那么就不用startIndex，例如：leetcode 17
注意以上我只是说求组合的情况，如果是排列问题，又是另一套分析的套路，后面我在讲解排列的时候会重点介绍
代码如下：
vector<vector<int>> result;
vector<int> path;
void backtracking(vector<int>& candidates, int target, int sum, int startIndex)
2、递归终止条件
看上面的树形图，从叶子节点可以清晰看到，终止只有两种情况，sum大于target和sum等于target
sum等于target的时候，需要收集结果，代码如下：
if (sum > target) {
return;
}
if (sum == target) {
result.push_back(path);
return;
}
3、单层搜索的逻辑
单层for循环依然是从startIndex开始，搜索candidates单一集合
注意本题和leetcode 77、leetcode 216的一个区别是：本题元素为可重复选取的，区别其实就是下层递归的起始位置从下一个元素变为本元素
for (int i = startIndex; i < candidates.size(); i++) {
sum += candidates[i];
path.push_back(candidates[i]);
backtracking(candidates, target, sum, i); // 关键点:不用i+1了，表示可以重复读取当前的数
sum -= candidates[i]; // 回溯
path.pop_back(); // 回溯
}
C++完整代码：
/ 版本一
class Solution {
private:
vector<vector<int>> result;
vector<int> path;
void backtracking(vector<int>& candidates, int target, int sum, int startIndex) {
if (sum > target) {
return;
}
if (sum == target) {
result.push_back(path);
return;
}
for (int i = startIndex; i < candidates.size(); i++) {
sum += candidates[i];
path.push_back(candidates[i]);
backtracking(candidates, target, sum, i); // 不用i+1了，表示可以重复读取当前的数
sum -= candidates[i];
path.pop_back();
}
}
public:
vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
result.clear();
path.clear();
backtracking(candidates, target, 0, 0);
return result;
}
};
1.2 leetcode 39：剪枝优化
已经知道下一层的sum会大于target，就没有必要进入下一层递归了
那么可以在for循环的搜索范围上做做文章了
对总集合排序之后，如果下一层的sum（就是本层的 sum + candidates[i]）已经大于target，就可以结束本轮for循环的遍历，注意因为对for改了，所以在开始之前需要对输入的数组进行排序
for循环剪枝代码如下：
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++)
总体代码：
class Solution {
private:
vector<vector<int>> result;
vector<int> path;
void backtracking(vector<int>& candidates, int target, int sum, int startIndex) {
if (sum == target) {
result.push_back(path);
return;
}
// 如果 sum + candidates[i] > target 就终止遍历
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
sum += candidates[i];
path.push_back(candidates[i]);
backtracking(candidates, target, sum, i);
sum -= candidates[i];
path.pop_back();
}
}
public:
vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
result.clear();
path.clear();
sort(candidates.begin(), candidates.end()); // 需要排序
backtracking(candidates, target, 0, 0);
return result;
}
};
时间复杂度: O(n * 2n)，注意这只是复杂度的上界，因为剪枝的存在，真实的时间复杂度远小于此
空间复杂度: O(target)
2、对组合两个维度讨论去重的组合求和
2.1 leetcode 40：组合总和II
第一遍代码报错，没有能删除重复相同的组合（一个组合内可以有数值相同的不同数字）
class Solution {
public:
vector<vector<int>> res;
vector<int> path;
void backTracking(vector<int>& candidates, int start, int target) {
if(target == 0) {
res.push_back(path);
return;
}
for(int i = start; i < candidates.size() && candidates[i] <= target; i++) {
target -= candidates[i];
path.push_back(candidates[i]);
backTracking(candidates, i+1, target);
target += candidates[i];
path.pop_back();
}
return;
}
vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
sort(candidates.begin(), candidates.end());
backTracking(candidates, 0, target);
return res;
}
};
这道题目和leetcode 39如下区别：
1、本题candidates中的每个数字在每个组合中只能使用一次
2、本题数组candidates的元素是有重复的，而leetcode 39是无重复元素的数组candidates
最后本题和leetcode 39要求一样，解集不能包含重复的组合
本题的难点在于区别2中：集合（数组candidates）有重复元素，但还不能有重复的组合
一些同学可能想了：我把所有组合求出来，再用set或者map去重，这么做很容易超时！
所以要在搜索的过程中就去掉重复组合
都知道组合问题可以抽象为树形结构，那么 “使用过” 在这个树形结构上是有两个维度的，一个维度是同一树枝上使用过，一个维度是同一树层上使用过。没有理解这两个层面上的“使用过” 是造成大家没有彻底理解去重的根本原因
回看一下题目，元素在同一个组合内是可以重复的，怎么重复都没事，但两个组合不能相同
所以我们要去重的是同一树层上的“使用过”，同一树枝上的都是一个组合里的元素，不用去重
举一个例子，candidates = [1, 1, 2], target = 3，（方便起见candidates已经排序了）
强调一下，树层去重的话，需要对数组排序
可以看到图中，每个节点相对于 leetode 39 多加了used数组，这个used数组下面会重点介绍（第一遍代码没能成功去重没想到的思路）
回溯三部曲
1、递归函数参数
与leetcode 39套路相同，此题还需要加一个bool型数组used，用来记录同一树枝上的元素是否使用过
这个集合去重的重任就是used来完成的
vector<vector<int>> result; // 存放组合集合
vector<int> path; // 符合条件的组合
void backtracking(vector<int>& candidates, int target, int sum, int startIndex, vector<bool>& used) {
2、递归终止条件
与leetcode 39相同，终止条件为 sum > target 和 sum == target
代码如下：
if (sum > target) { // 这个条件其实可以省略
return;
}
if (sum == target) {
result.push_back(path);
return;
}
sum > target 这个条件其实可以省略，因为在递归单层遍历的时候，会有剪枝的操作
3、单层搜索的逻辑
这里与leetcode 39最大的不同就是要去重了
利用判断与 前一个 节点是否相同，前一个 结点是否使用过，再加上对下一层的回溯逻辑来保证只去重同一层递归（for）而不影响下一层递归使用值重复的元素
前面我们提到：要去重的是“同一树层上的使用过”，如何判断同一树层上元素（相同的元素）是否使用过了呢
自己的思路（也通过了），看注释即可
void backTracking(vector<int>& candidates, int start, int target, vector<bool>& used) {
if(target == 0) {
res.push_back(path);
return;
}
for(int i = start; i < candidates.size() && candidates[i] <= target; i++) {
if(i > 0) {
if(candidates[i] == candidates[i - 1] && used[i - 1] == true) {//4
used[i] = true;//1
continue;
}
}
used[i] = false;//2
/*
注意：下一次之前一定把used[i]恢复成false
不然以下例子通不过：
testcase:[3,1,3,5,1,1] 8
Expected Answer:[[1,1,1,5],[1,1,3,3],[3,5]]
Answer:[[1,1,1,5],[3,5]]
为什么[1,1,3,3]会丢了，因为上一个遍历for到底的时候把3 used[3]标记成true了，
但是对于这一个for遍历来说3还没用过，所以在每次执行for循环的逻辑开头一定要used[i] = false
具体used[i]怎么控制让同层的遍历去重，在一根树枝上的遍历不去重呢
有点像操作系统的信号量机制，1，2，3，4语句完成了控制
其中，4，1，3负责让同层的遍历去重，主要体现在对for循环的控制
2负责一根树枝上的遍历不去重不被之前的去重影响
*/
target -= candidates[i];
path.push_back(candidates[i]);
backTracking(candidates, i+1, target, used);
used[i] = true;//3
target += candidates[i];
path.pop_back();
}
return;
}
具体used[i]怎么控制让同层的遍历去重，在一根树枝上的遍历不去重呢
有点像操作系统的信号量机制（回溯），通过1，2，3，4语句完成了控制
其中，4，1，3负责让同层的遍历去重，主要体现在对for循环的控制
2负责一根树枝上的遍历不去重不被之前的去重影响
注意：下一次之前一定把used[i]恢复成false
不然以下例子通不过：
testcase:[3,1,3,5,1,1] 8
Expected Answer:[[1,1,1,5],[1,1,3,3],[3,5]]
Answer:[[1,1,1,5],[3,5]]
为什么[1,1,3,3]会丢了，因为上一个遍历for到底的时候把3 used[3]标记成true了，
但是对于这一个for遍历来说3还没用过，所以在每次执行for循环的逻辑开头一定要used[i] = false
代码随想录思路：（个人理解就是true/false互换了一下，used[i - 1] == false表示使用过是因为这样自己代码里的1处代码就可以省了，因为used的初值就是false，最后再加上一个剪枝）
如果candidates[i] == candidates[i - 1] 并且 used[i - 1] == false，就说明：前一个树枝，使用了candidates[i - 1]，也就是说同一树层使用过candidates[i - 1]
此时for循环里就应该做continue的操作
这块比较抽象，如图：
在图中将used的变化用橘黄色标注上，可以看出在candidates[i] == candidates[i - 1]相同的情况下：
used[i - 1] == true，说明同一树 “枝” candidates[i - 1]使用过
used[i - 1] == false，说明同一树 “层” candidates[i - 1]使用过
可能有的录友想，为什么 used[i - 1] == false 就是同一树层呢，因为同一树层，used[i - 1] == false 才能表示，当前取的 candidates[i] 是从 candidates[i - 1] 回溯而来的
而 used[i - 1] == true，说明是进入下一层递归，去下一个数，所以是树枝上，如图所示：
这块去重的逻辑很抽象，代码随想录单层搜索的逻辑代码如下：
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
// used[i - 1] == true，说明同一树枝candidates[i - 1]使用过
// used[i - 1] == false，说明同一树层candidates[i - 1]使用过
// 要对同一树层使用过的元素进行跳过
if (i > 0 && candidates[i] == candidates[i - 1] && used[i - 1] == false) {
continue;
}
sum += candidates[i];
path.push_back(candidates[i]);
used[i] = true;
backtracking(candidates, target, sum, i + 1, used); // 和39.组合总和的区别1：这里是i+1，每个数字在每个组合中只能使用一次
used[i] = false;
sum -= candidates[i];
path.pop_back();
}
注意sum + candidates[i] <= target为剪枝操作，同leetcode 39
代码随想录整体C++代码如下：
class Solution {
private:
vector<vector<int>> result;
vector<int> path;
void backtracking(vector<int>& candidates, int target, int sum, int startIndex, vector<bool>& used) {
if (sum == target) {
result.push_back(path);
return;
}
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
// used[i - 1] == true，说明同一树枝candidates[i - 1]使用过
// used[i - 1] == false，说明同一树层candidates[i - 1]使用过
// 要对同一树层使用过的元素进行跳过
if (i > 0 && candidates[i] == candidates[i - 1] && used[i - 1] == false) {
continue;
}
sum += candidates[i];
path.push_back(candidates[i]);
used[i] = true;
backtracking(candidates, target, sum, i + 1, used); // 和39.组合总和的区别1，这里是i+1，每个数字在每个组合中只能使用一次
used[i] = false;
sum -= candidates[i];
path.pop_back();
}
}
public:
vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
vector<bool> used(candidates.size(), false);
path.clear();
result.clear();
// 首先把给candidates排序，让其相同的元素都挨在一起。
sort(candidates.begin(), candidates.end());
backtracking(candidates, target, 0, 0, used);
return result;
}
};
时间复杂度: O(n * 2n)
空间复杂度: O(n)
除了used数组外，另一种去重方式：
这里直接用startIndex来去重，不用used数组了，但不管哪种思路，之前一定要 排序
要对同一树层使用过的元素进行跳过，注意一定要是同一树层的，所以不能是i > 0，而是i > startIndex
if (i > startIndex && candidates[i] == candidates[i - 1]) {
continue;
}
class Solution {
private:
vector<vector<int>> result;
vector<int> path;
void backtracking(vector<int>& candidates, int target, int sum, int startIndex) {
if (sum == target) {
result.push_back(path);
return;
}
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++) {
// 要对同一树层使用过的元素进行跳过，注意一定要是同一树层的，所以不能是i > 0，而是i > startIndex
if (i > startIndex && candidates[i] == candidates[i - 1]) {
continue;
}
sum += candidates[i];
path.push_back(candidates[i]);
backtracking(candidates, target, sum, i + 1);
// 和leetcode 39，这里是i+1，每个数字在每个组合中只能使用一次
sum -= candidates[i];
path.pop_back();
}
}
public:
vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
path.clear();
result.clear();
// 首先把给candidates排序，让其相同的元素都挨在一起。
sort(candidates.begin(), candidates.end());
backtracking(candidates, target, 0, 0);
return result;
}
};
3、分割问题
3.1 leetcode 131：分割回文串
第一遍代码输出为空
思路与代码随想录一致，见后文
class Solution {
public:
bool isHuiwen(string s) {
for(int i = 0; i < s.size()/2; i++) {
if(s[i] != s[s.size() - 1 - i]) {
return false;
}
}
return true;
}
vector<vector<string>> res;
vector<string> path;
void backTracking(string& s, int start) {
if(isHuiwen(s) == false) return;
if(isHuiwen(s) == true) {
path.push_back(s);
}
if(s.size() == 0) {
res.push_back(path);
return;
}
for(int i = start; i < s.size(); i++) {
string ss(s.begin() + start, s.begin() + i);
backTracking(ss, i+1);
if(isHuiwen(ss) == true) {
path.pop_back();
}
}
}
vector<vector<string>> partition(string s) {
backTracking(s, 0);
return res;
}
};
修改思路（通过）
1、因为最后for循环是循环到s.size()，所以s不能改变，但是还是要判断不同长度的子串是不是满足条件
2、通过for控制递归的执行
把这个不同长度的子串是否是回文的判断直接放在for函数里，这样就不需要再写一个终止位置的参数了。如果不需要递归下去了直接在for函数里面直接进入下一个循环（相当于continue），这样来控制递归的进行。那么递归结束条件也要改变，改成只使用start和s的判断
3、string ss(s.begin() + start, s.begin() + i);是左闭右开初始化的，backTracking(s, i);因为前面初始化子串是左闭右开，所以实际上i已经后移了，不需要加一了
修改后的第一遍代码
class Solution {
public:
bool isHuiwen(string s) {
for(int i = 0; i < s.size()/2; i++) {
if(s[i] != s[s.size() - 1 - i]) {
return false;
}
}
return true;
}
vector<vector<string>> res;
vector<string> path;
void backTracking(string& s, int start) {
if(s.size() <= start) {
res.push_back(path);
return;
}
/*
1、因为最后是循环到s.size()，所以s不能改变，但是要判断不同长度的子串是不是满足条件
2、把这个不同长度的子串的判断直接放在for函数里，这样就不需要再写一个终止位置的参数了
如果不需要递归下去了直接在for函数里面continue，这样来控制递归的进行
那么递归结束条件也要改变，改成只使用start和s的判断
*/
for(int i = start+1; i <= s.size(); i++) {
string ss(s.begin() + start, s.begin() + i);//左闭右开
if(isHuiwen(ss) == true) {
path.push_back(ss);
backTracking(s, i);//因为前面初始化子串是左闭右开，所以实际上i已经后移了，不需要加一了
path.pop_back();
}
}
}
vector<vector<string>> partition(string s) {
backTracking(s, 0);
return res;
}
};
思路
本题这涉及到两个关键问题：
1、切割问题，有不同的切割方式
2、判断回文
相信这里不同的切割方式可以搞懵很多同学了
这种题目，想用for循环暴力解法，可能都不那么容易写出来，所以要换一种暴力的方式，就是回溯
分析一下切割，其实切割问题类似组合问题
例如对于字符串abcdef：
组合问题：选取一个a之后，在bcdef中再去选取第二个，选取b之后在cdef中再选取第三个…
切割问题：切割一个a之后，在bcdef中再去切割第二段，切割b之后在cdef中再切割第三段…
所以切割问题，也可以抽象为一棵树形结构，如图：
递归用来纵向遍历，for循环用来横向遍历，切割线（就是图中的红线，定义一个变量记住这个数字）切割到字符串的结尾位置，说明找到了一个切割方法
切割问题的回溯搜索的过程和组合问题的回溯搜索的过程是差不多的（到这里与第一遍代码的思路一致）
回溯三部曲
1、递归函数参数
全局变量数组path存放切割后回文的子串，二维数组result存放结果集（这两个参数可以放到函数参数里）
本题递归函数参数还需要startIndex，因为切割过的地方，不能重复切割，和组合问题也是保持一致的
代码如下
vector<vector<string>> result;
vector<string> path; // 放已经回文的子串
void backtracking (const string& s, int startIndex) {
2、递归函数终止条件
从树形结构的图中可以看出：切割线切到了字符串最后面，说明找到了一种切割方法，此时就是本层递归的终止条件
在处理组合问题的时候，递归参数需要传入startIndex，表示下一轮递归遍历的起始位置，这个startIndex就是切割线
终止条件代码如下：
void backtracking (const string& s, int startIndex) {
// 如果起始位置已经大于s的大小，说明已经找到了一组分割方案了
if (startIndex >= s.size()) {
result.push_back(path);
return;
}
}
3、单层搜索的逻辑
递归循环中如何截取子串呢？
在for (int i = startIndex; i < s.size(); i++)循环中，我们 定义了起始位置startIndex，那么 [startIndex, i] 就是要截取的子串
首先判断这个子串是不是回文，如果是回文，就加入vector<string> path中，path用来记录切割过的回文子串
代码如下：
for (int i = startIndex; i < s.size(); i++) {
if (isPalindrome(s, startIndex, i)) { // 是回文子串
// 获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);
path.push_back(str);
} else { // 如果不是则直接跳过
continue;
}
backtracking(s, i + 1); // 寻找i+1为起始位置的子串
path.pop_back(); // 回溯过程，弹出本次已经添加的子串
}
注意切割过的位置，不能重复切割，所以，backtracking(s, i + 1); 传入下一层的起始位置为 i + 1
判断回文子串
可以使用双指针法（像第一遍代码的一个指针也行），一个指针从前向后，一个指针从后向前，如果前后指针所指向的元素是相等的，就是回文字符串了
代码如下：
bool isPalindrome(const string& s, int start, int end) {
for (int i = start, j = end; i < j; i++, j--) {
if (s[i] != s[j]) {
return false;
}
}
return true;
}
整体代码：
**获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);substr() 求子集 参数为初始位置 和 长度
class Solution {
private:
vector<vector<string>> result;
vector<string> path; // 放已经回文的子串
void backtracking (const string& s, int startIndex) {
// 如果起始位置已经大于s的大小，说明已经找到了一组分割方案了
if (startIndex >= s.size()) {
result.push_back(path);
return;
}
for (int i = startIndex; i < s.size(); i++) {
if (isPalindrome(s, startIndex, i)) { // 是回文子串
// 获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);
path.push_back(str);
} else { // 不是回文，跳过
continue;
}
backtracking(s, i + 1); // 寻找i+1为起始位置的子串
path.pop_back(); // 回溯过程，弹出本次已经添加的子串
}
}
bool isPalindrome(const string& s, int start, int end) {
for (int i = start, j = end; i < j; i++, j--) {
if (s[i] != s[j]) {
return false;
}
}
return true;
}
public:
vector<vector<string>> partition(string s) {
result.clear();
path.clear();
backtracking(s, 0);
return result;
}
};
相同思路 自己实现
class Solution {
private:
vector<vector<string>> res;
bool isHuiwen(const string& vec) {
for (int i = 0; i < vec.size() / 2; i++) {
if (vec[i] != vec[vec.size() - 1 - i])
return false;
}
return true;
}
void backTracking(const string& s, vector<string>& path, int startIndex) {
if (startIndex == s.size()) {
if (!path.empty())
res.push_back(path);
return;
}
for (int i = startIndex; i < s.size(); i++) {
string tmp(s.begin() + startIndex, s.begin() + i + 1);
if (isHuiwen(tmp)) {
path.push_back(tmp);
backTracking(s, path, i + 1);
path.pop_back();
}
}
}
public:
vector<vector<string>> partition(string s) {
vector<string> path;
backTracking(s, path, 0);
return res;
}
};
3.2 leetcode 131：用动态规划优化判断回文串
上面的代码还存在一定的优化空间, 在于如何更高效的计算一个子字符串是否是回文字串
上述代码isPalindrome函数运用双指针的方法来判定对于一个字符串s, 给定起始下标和终止下标, 截取出的子字符串是否是回文字串。但是其中有一定的重复计算存在:
例如给定字符串"abcde", 在已知"bcd"不是回文字串时, 不再需要去双指针操作"abcde"而可以直接判定它一定不是回文字串
具体来说, 给定一个字符串s, 长度为n, 它成为回文字串的充分必要条件是s[0] == s[n-1]且s[1:n-1]是回文字串
大家如果熟悉动态规划这种算法的话, 我们可以高效地事先一次性计算出, 针对一个字符串s, 它的任何子串是否是回文字串, 然后在我们的回溯函数中直接查询即可（动态规划省时间的原因）, 省去了双指针移动判定这一步骤
具体参考代码如下:
class Solution {
private:
vector<vector<string>> result;
vector<string> path; // 放已经回文的子串
vector<vector<bool>> isPalindrome; // 放事先计算好的是否回文子串的结果，动态规划步骤
void backtracking (const string& s, int startIndex) {
// 如果起始位置已经大于s的大小，说明已经找到了一组分割方案了
if (startIndex >= s.size()) {
result.push_back(path);
return;
}
for (int i = startIndex; i < s.size(); i++) {
if (isPalindrome[startIndex][i]) { // 是回文子串
// 获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);
path.push_back(str);
} else { // 不是回文，跳过
continue;
}
backtracking(s, i + 1); // 寻找i+1为起始位置的子串
path.pop_back(); // 回溯过程，弹出本次已经添加的子串
}
}
//动态规划判断回文串
void computePalindrome(const string& s) {
// isPalindrome[i][j] 代表 s[i:j](双边包括)是否是回文字串
isPalindrome.resize(s.size(), vector<bool>(s.size(), false)); // 根据字符串s, 刷新布尔矩阵的大小
// 动态规划
for (int i = s.size() - 1; i >= 0; i--) {
// 需要倒序计算, 保证在i行时, i+1行已经计算好了
for (int j = i; j < s.size(); j++) {
if (j == i) {isPalindrome[i][j] = true;}
else if (j - i == 1) {isPalindrome[i][j] = (s[i] == s[j]);}
else {isPalindrome[i][j] = (s[i] == s[j] && isPalindrome[i+1][j-1]);}
}
}
}
public:
vector<vector<string>> partition(string s) {
result.clear();
path.clear();
computePalindrome(s);
backtracking(s, 0);
return result;
}
};
按照思路修改第一次代码，注意小的错误，见注释
class Solution {
public:
vector<vector<string>> res;
vector<string> path;
vector<vector<bool>> storHuiwen;//左闭右闭
//动态规划
void isHuiwen(string s) {
storHuiwen.resize(s.size(), vector<bool>(s.size(), false));
for(int i = s.size() - 1; i >= 0; i--) {//i--别整错了
for(int j = i; j <= s.size() - 1; j++) {
if(i == j) storHuiwen[i][j] = true;
else if(j - i == 1) {//j在后i在前
if(s[i] == s[j]) {
storHuiwen[i][j] = true;
}
}
else storHuiwen[i][j] = (s[i] == s[j]) && storHuiwen[i + 1][j - 1];//i+1别整错了
}
}
}
void backTracking(string& s, int start) {
if(s.size() <= start) {
res.push_back(path);
return;
}
for(int i = start+1; i <= s.size(); i++) {
string ss(s.begin() + start, s.begin() + i);
if(storHuiwen[start][i - 1] == true) {
path.push_back(ss);
backTracking(s, i);
path.pop_back();
}
}
}
vector<vector<string>> partition(string s) {
isHuiwen(s);
backTracking(s, 0);
return res;
}
};
3.3 leetcode 131：总结
回溯就是暴力遍历
切割问题其实是一种组合问题
动规就是后面的求解可以用前面的结论，暴力的加强版
4、双向迭代器操作（以set为例，和随机访问迭代器的区别）
set 容器不支持通过下标（如 set[index]）的方式进行访问。set 是基于平衡二叉树（通常是红黑树）实现的，它是一个存储唯一元素的有序集合，其中的元素按照特定的顺序进行自动排序
对于 set<int> 的迭代器操作，s.begin() + i 的形式不起作用，因为 set 使用的迭代器是双向迭代器，而不是随机访问迭代器。这两种迭代器的支持的操作有显著的区别：
1）随机访问迭代器：支持在迭代器上进行加减操作，可以直接跳过多个元素，类似于指针的行为。这种迭代器类型通常用于如 std::vector 和 std::deque
2）双向迭代器：只能一个一个元素地前进（++iterator）或后退（–iterator），不能进行跳跃式的多元素移动。set 和 map 等基于树的容器使用的就是这种迭代器
因此，要在 set 中访问第 i 个位置的元素，不能直接使用 s.begin() + i 这种语法，因为这要求随机访问迭代器支持。相反，你必须从 s.begin() 开始，逐步向前移动迭代器，直到移动 i 次。可以使用 std::advance 函数来完成这个任务，这是一个在任何类型的迭代器上都可用的函数，可以自动根据迭代器的类型选择最优的方式来移动迭代器：
#include <iostream>
#include <set>
#include <iterator>
int main() {
std::set<int> s = {1, 2, 3, 4, 5};
int index = 3; // 想要访问的下标位置（0起始）
auto it = s.begin();
std::advance(it, index); // 移动迭代器
if (it != s.end()) {
std::cout << "Element at index " << index << " is: " << *it << std::endl;
} else {
std::cout << "Index out of bounds." << std::endl;
}
return 0;
}
这种方式效率较低（O(n) 时间复杂度），因为每次调用 std::advance 时，都需要从当前位置开始，逐个元素地遍历。如果你需要经常以随机访问的方式来处理元素，set 可能不是最佳的容器选择。在这种情况下，考虑使用 std::vector 或 std::deque 可能更加合适
9912
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
