代码随想录算法训练营第二十四天| 第七章 回溯算法 理论基础 77. 组合

回溯算法理论基础

什么是回溯法？

回溯法也可以叫做回溯搜索法，它是一种搜索的方式。
回溯是递归的副产品，只要有递归就会有回溯。

所以以下讲解中，回溯函数也就是递归函数，指的都是一个函数。

回溯法的效率

回溯的本质是穷举，穷举所有可能，然后选出我们想要的答案，如果想让回溯法高效一些，可以加一些剪枝的操作，但也改不了回溯法就是穷举的本质。

回溯法解决的问题

回溯法，一般可以解决如下几种问题：

• 组合问题：N个数里面按一定规则找出k个数的集合
• 切割问题：一个字符串按一定规则有几种切割方式
• 子集问题：一个N个数的集合里有多少符合条件的子集
• 排列问题：N个数按一定规则全排列，有几种排列方式
• 棋盘问题：N皇后，解数独等等

组合是不强调元素顺序的，排列是强调元素顺序。
例如：{1, 2} 和 {2, 1} 在组合上，就是一个集合，因为不强调顺序，而要是排列的话，{1, 2} 和 {2, 1} 就是两个集合了。

如何理解回溯法

回溯法解决的问题都可以抽象为树形结构,
因为回溯法解决的都是在集合中递归查找子集，集合的大小就构成了树的宽度，递归的深度，都构成的树的深度。递归就要有终止条件，所以必然是一棵高度有限的树（N叉树）。

回溯法模板

1. 回溯函数模板返回值以及参数
   在回溯算法中，习惯是函数起名字为backtracking
   回溯算法中函数返回值一般为void。
   再来看一下参数，因为回溯算法需要的参数可不像二叉树递归的时候那么容易一次性确定下来，所以一般是先写逻辑，然后需要什么参数，就填什么参数。

void backtracking(参数)

2. 回溯函数终止条件
   什么时候达到了终止条件，树中就可以看出，一般来说搜到叶子节点了，也就找到了满足条件的一条答案，把这个答案存放起来，并结束本层递归。

if (终止条件) {
    存放结果;
    return;
}

3. 回溯搜索的遍历过程
   在上面我们提到了，回溯法一般是在集合中递归搜索，集合的大小构成了树的宽度，递归的深度构成的树的深度。

for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
    处理节点;
    backtracking(路径，选择列表); // 递归
    回溯，撤销处理结果
}

for循环就是遍历集合区间，可以理解一个节点有多少个孩子，这个for循环就执行多少次。
backtracking这里自己调用自己，实现递归。
大家可以从图中看出for循环可以理解是横向遍历，backtracking（递归）就是纵向遍历，这样就把这棵树全遍历完了，一般来说，搜索叶子节点就是找的其中一个结果了。

总的模板：

void backtracking(参数) {
    if (终止条件) {
        存放结果;
        return;
    }

    for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
        处理节点;
        backtracking(路径，选择列表); // 递归
        回溯，撤销处理结果
    }
}

总结：
1、回溯算法是和递归结合在一起使用的，他们相辅相成。
2、回溯法其实是暴力解法，效率并不高
3、回溯算法能解决：组合，分割，排列，子集，N皇后解数独 等等问题
4、回溯法解决的问题都可以抽象为树形结构（N叉树），并给出了回溯法的模板。

77. 组合

题目链接

给定两个整数 n 和 k，返回范围 [1, n] 中所有可能的 k 个数的组合。

你可以按 任何顺序 返回答案。

**思路：**对照模板编写代码：

class Solution {

private:
    vector<vector<int>> ans; // 新建返回结果
    vector<int> vec; // 单次结果
    void backtracking(int n, int k, int startIndex) {      
        if (vec.size() == k) {
            ans.push_back(vec);
            return;
        }
        for (int i = startIndex; i <= n; i++) {
            vec.push_back(i); // 处理节点
            backtracking(n, k, i+1); // 递归
            vec.pop_back(); // 回溯
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        ans.clear();
        vec.clear();
        backtracking(n, k, 1);
        return ans;
    }
};

剪枝优化(重点)

在遍历的过程中有如下代码：

for (int i = startIndex; i <= n; i++) {
    path.push_back(i);
    backtracking(n, k, i + 1);
    path.pop_back();
}

来举一个例子，n = 4，k = 4的话，那么第一层for循环的时候，从元素2开始的遍历都没有意义了。 在第二层for循环，从元素3开始的遍历都没有意义了。

图中每一个节点（图中为矩形），就代表本层的一个for循环，那么每一层的for循环从第二个数开始遍历的话，都没有意义，都是无效遍历。

所以，可以剪枝的地方就在递归中每一层的for循环所选择的起始位置。
如果for循环选择的起始位置之后的元素个数 已经不足 我们需要的元素个数了，那么就没有必要搜索了。

注意代码中i，就是for循环里选择的起始位置。

接下来看一下优化过程如下：

1. 已经选择的元素个数：path.size();
2. 还需要的元素个数为: k - path.size();
3. 在集合n中至多要从该起始位置 : n - (k - path.size()) + 1，开始遍历

为什么有个+1呢，因为包括起始位置，我们要是一个左闭的集合。

for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置

总体代码如下：

class Solution {
public:
    
    void backtracking(int n, int k, vector<int>& path, vector<vector<int>>& result, int startIndex) {
        if (path.size() == k) {
            result.push_back(path);
            return;
        } 
        for (int i = startIndex; i <= (n - (k - path.size()) + 1); i++) {
            path.push_back(i);
            backtracking(n, k , path, result, i + 1);
            path.pop_back();
        }
    }

    vector<vector<int>> combine(int n, int k) {
        vector<int> path;
        vector<vector<int>> result;
        backtracking(n, k, path, result, 1);
        return result;
    }
};

总结： 本题利用回溯很容易能解决，但是剪枝操作还需要在练习，因为在短时间可能并不好想出来结果。

1. 已经选择的元素个数：path.size();
2. 还需要的元素个数为: k - path.size();
3. 在集合n中至多要从该起始位置 : n - (k - path.size()) + 1，开始遍历