代码随想录算法训练营Day24 | 回溯算法 | 77. 组合

回溯算法 - 理论基础

回溯理论基础

回溯是什么

回溯是递归的副产品，只要有递归就会有回溯。所以，回溯函数也就是递归函数，指的都是一个函数。
一般而言，回溯操作会出现在递归被调用之后。

回溯本质上是穷举：穷举所有可能，选出符合要求的答案。适当的剪枝可以减少一些不必要的可能，但无法优化复杂度，因为没有改变穷举的本质。

回溯的应用

有的问题靠嵌套 for loop 是无法完成暴力搜索的，这时就需要回溯来有效地暴力解决问题，属于是无奈之举。

回溯解决的问题都可以抽象为树形结构：在集合中递归查找子集（解题时一定要这么思考！）

• 集合的大小决定了树的宽度
• 递归的深度决定了树的深度
• 递归就要有终止条件，所以必然是一棵高度有限的 N 叉树

回溯的逻辑（模版）

1. 返回值以及参数
   • 参数很难一开始就确定，在写的过程中逐渐添加即可
   • 一般不需要返回值，因为回溯的功能通常是撤销之前的修改（处理节点）
2. 终止条件
   • 递归必然是有终止的，回溯时的终止条件一般是将符合条件的终止结果保存
3. 遍历过程
   
   • 当前节点的子节点数 = 当前集合的子集数

def backtrack(...):
	if (终止条件):
		# 保存结果
		return
		
	for subset in curr_set:
		# 处理节点
		# 递归：调用自己
		# 回溯：撤销之前的处理结果

77. 组合

题目链接 | 理论基础

非常经典的回溯处理：如果是固定长度的子集，可以用嵌套的 for loop 完成，只是很麻烦；但是动态的长度取决于输入，这样的话只能求助于回溯。

如下图所示，集合大小 n=4 是树的宽度，需要的子集大小 k=2 是树的深度。每次从集合中选取元素，可选择的范围（子树宽度）随着之前选择的进行而收缩，调整可选择的范围；每次处理所选择的元素后进行递归（深度）。

• 终止条件： k=0，也就是不需要再向当前子集中添加元素了。
• 参数和返回值：
  • 两个全局变量，一个记录当前子集，一个记录最终结果；
  • 需要一个额外的函数变量，记录当前的选择范围
• 单层搜索：for loop 遍历当前的选择范围，每一个 iteration 中进行递归+回溯
  

class Solution:
    def __init__(self):
        self.curr_record = []
        self.results = []

    def backtrack(self, start: int, end: int, k: int):
        # termination
        if k == 0:
            self.results.append(self.curr_record.copy())
            return None
        
        # recursion and backtrack
        for i in range(start, end + 1):
            self.curr_record.append(i)
            self.backtrack(i + 1, end, k - 1)
            self.curr_record.pop()

    def combine(self, n: int, k: int) -> List[List[int]]:
        self.backtrack(1, n, k)
        return self.results

以上代码可以进行剪枝优化：当 for loop 中剩下的元素已经不足 k 个时，没必要继续进行 for loop 了 - 可以改为 for i in range(start, end + 1 - k):