回溯算法
回溯是递归的副产品,只要有递归就会有回溯。回溯函数也就是递归函数。
回溯法能解决的问题:
- 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
回溯法可以抽象为树形结构。
回溯三部曲:
- 回溯函数模板返回值以及参数:函数名backtracking,返回值一般为void,参数需要视情况而定。
- 终止条件:既然是树形结构,就一定要有终止条件。一般来说是到叶子节点,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。
- 搜索的遍历过程:
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循环可以理解是横向遍历,backtracking(递归)就是纵向遍历。
77. 组合
思路:每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围。图中可以发现n相当于树的宽度,k相当于树的深度。
回溯三部曲:
- 函数里一定有两个参数,既然是集合n里面取k个数,那么n和k是两个int型的参数。然后还需要一个参数,为int型变量startIndex,这个参数用来记录本层递归的中,集合从哪里开始遍历。startIndex用来标识下一层递归的起始位置。
- path这个数组的大小如果达到k,说明我们找到了一个子集大小为k的组合了,在图中path存的就是根节点到叶子节点的路径。
- for循环每次从startIndex开始遍历,然后用path保存取到的节点i。可以看出backtracking(递归函数)通过不断调用自己一直往深处遍历,总会遇到叶子节点,遇到了叶子节点就要返回。backtracking的下面部分就是回溯的操作了,撤销本次处理的结果。
剪枝优化:
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。
带剪枝的
/**
* @param {number} n
* @param {number} k
* @return {number[][]}
*/
var combine = function (n, k) {
let result = [], path = [];
const backtracking = (n, k, startIndex) => {
//终止条件
if (path.length === k) {
result.push([...path]);
return;
}
// 单层递归
for (let i = startIndex; i <= n - (k - path.length) + 1; i++) {
path.push(i);
backtracking(n, k, i + 1);
path.pop();
}
}
backtracking(n, k, 1);
return result;
};
不带剪枝的
/**
* @param {number} n
* @param {number} k
* @return {number[][]}
*/
var combine = function (n, k) {
let result = [], path = [];
const backtracking = (n, k, startIndex) => {
//终止条件
if (path.length === k) {
result.push([...path]);
return;
}
// 单层递归
for (let i = startIndex; i <= n; i++) {
path.push(i);
backtracking(n, k, i + 1);
path.pop();
}
}
backtracking(n, k, 1);
return result;
};