77. 组合
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。
示例 1:
输入:n = 4, k = 2
输出:
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
示例 2:
输入:n = 1, k = 1
输出:[[1]]
方法一:递归实现组合型枚举
class Solution {
List<Integer> temp = new ArrayList<Integer>();
List<List<Integer>> ans = new ArrayList<List<Integer>>();
public List<List<Integer>> combine(int n, int k) {
dfs(1, n, k);
return ans;
}
public void dfs(int cur, int n, int k) {
// 剪枝:temp 长度加上区间 [cur, n] 的长度小于 k,不可能构造出长度为 k 的 temp
if (temp.size() + (n - cur + 1) < k) {
return;
}
// 记录合法的答案
if (temp.size() == k) {
ans.add(new ArrayList<Integer>(temp));
return;
}
// 考虑选择当前位置
temp.add(cur);
dfs(cur + 1, n, k);
temp.remove(temp.size() - 1);
// 考虑不选择当前位置
dfs(cur + 1, n, k);
}
}
这段代码定义了一个名为 Solution
的类,该类包含两个成员变量和两个方法,用于解决组合问题(Combinations)。具体来说,它寻找从 1 到 n 的整数中所有可能的 k 个数的组合。例如,当 n=4, k=2 时,答案应包括 [1,2], [1,3], [1,4], [2,3], [2,4], [3,4]。
成员变量
temp
:一个List<Integer>
类型的临时列表,用于存储当前正在构建的组合。ans
:一个List<List<Integer>>
类型的答案列表,用于存储所有找到的组合。
方法
combine(int n, int k)
- 功能:这是主要的接口方法,接收两个整数参数 n 和 k,返回所有可能的 k 项组合。
- 过程:首先调用深度优先搜索(DFS)方法
dfs
来生成所有组合,然后返回最终的答案列表ans
。
dfs(int cur, int n, int k)
- 功能:这是一个递归方法,用于生成所有可能的组合。
- 参数:
cur
表示当前考虑的起始数字,n
是整数的上界,k
是组合中元素的数量。 - 剪枝:在递归调用前,通过检查当前已选数字数量(
temp.size()
)加上剩余可选数字(n - cur + 1
)是否小于 k 来进行剪枝,如果小于则直接返回,避免无效的递归。 - 递归逻辑:
- 先选择当前位置的数字,将其加入
temp
,然后递归调用dfs
函数尝试在剩余数字中选择,这里cur+1
表示下一个要考虑的数字。 - 在递归调用返回后,需要从
temp
中移除最后一个添加的数字(回溯),以尝试不包含当前位置数字的其他组合。 - 接着,直接递归调用
dfs
函数跳过当前位置的数字,继续在后面的数字中寻找组合。
- 先选择当前位置的数字,将其加入
通过这种递归加回溯的策略,所有可能的 k 项组合都被探索并记录在 ans
中,最后由 combine
方法返回。
方法二:回溯法(未剪枝)
class Solution {
List<List<Integer>> result= new ArrayList<>();
LinkedList<Integer> path = new LinkedList<>();
public List<List<Integer>> combine(int n, int k) {
backtracking(n,k,1);
return result;
}
public void backtracking(int n,int k,int startIndex){
if (path.size() == k){
result.add(new ArrayList<>(path));
return;
}
for (int i =startIndex;i<=n;i++){
path.add(i);
backtracking(n,k,i+1);
path.removeLast();
}
}
}
这段代码定义了一个名为 Solution
的类,用于解决经典的组合问题,即从 1 到 n
这些整数中选择 k
个数的所有可能组合。该问题通常称为 “组合总和” 问题的一个特例,但在这里实际上是在找无重复数字的组合,不涉及总和的约束,更准确地说,是寻找组合而非排列,因为顺序不重要。下面是代码的详细解析:
类成员变量
List<List<Integer>> result
:用于存储所有满足条件的组合结果。LinkedList<Integer> path
:用于暂存当前递归路径上的组合元素。
主方法 combine(int n, int k)
- 功能:接收两个整数参数
n
和k
,分别代表可选择的数的最大值以及需要选取的数的数量。调用backtracking
函数来递归生成所有组合,并返回最终的组合列表result
。
辅助方法 backtracking(int n, int k, int startIndex)
- 功能:递归实现回溯算法来生成所有组合。
- 终止条件:当
path
中的元素数量达到k
时,说明当前路径构成了一个有效的组合,将其添加到结果列表result
中并返回。 - 单层递归逻辑:从
startIndex
开始遍历到n
(包括n
),将当前遍历到的数i
加入到path
中,然后基于这个选择继续深入下一层递归。递归调用结束后,通过path.removeLast()
回溯,撤销刚才的添加操作,以便尝试下一种可能的数字。
代码特点
- 使用了回溯算法,这是一种通过试错来寻找解空间树中所有解的通用算法,非常适合解决此类组合问题。
- 通过
startIndex
参数控制下一轮递归的起始点,避免了重复选择相同的元素,确保了组合的唯一性。 - 结果是以二维列表的形式返回,每个子列表代表一组可能的组合。
整体而言,这段代码清晰地展示了如何利用回溯法解决组合问题,是此类问题的经典实现方式。
方法三:回溯法(剪枝优化)
class Solution {
List<List<Integer>> result = new ArrayList<>();
LinkedList<Integer> path = new LinkedList<>();
public List<List<Integer>> combine(int n, int k) {
combineHelper(n, k, 1);
return result;
}
/**
* 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,就是要靠startIndex
* @param startIndex 用来记录本层递归的中,集合从哪里开始遍历(集合就是[1,...,n] )。
*/
private void combineHelper(int n, int k, int startIndex){
//终止条件
if (path.size() == k){
result.add(new ArrayList<>(path));
return;
}
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++){
path.add(i);
combineHelper(n, k, i + 1);
path.removeLast();
}
}
}
这段代码同样实现了一个求解从1到n的整数中挑选k个数的所有可能组合的问题,与之前的版本相比,主要区别在于combineHelper
方法中for
循环的迭代条件。以下是该版本代码的解析:
类成员变量
List<List<Integer>> result
:存储所有满足条件的组合结果。LinkedList<Integer> path
:临时保存当前搜索路径中的元素,即当前正在构建的组合。
主方法 combine(int n, int k)
- 功能:接收两个整数参数n和k,初始化后调用
combineHelper
进行递归计算,最后返回所有组合结果。
辅助方法 combineHelper(int n, int k, int startIndex)
- 功能:递归实现组合生成,通过修改
startIndex
来控制每一步搜索的起始位置,确保不会重复选择数字。 - 终止条件:当
path
中元素数量达到k时,将当前组合添加到结果列表并返回。 - 迭代条件优化:
for
循环中的条件i <= n - (k - path.size()) + 1
是关键改进。此条件确保了在当前路径已选择的元素数量基础上,剩下的可选项足以完成组合(即至少还有k - path.size()
个数要选),因此从i
开始遍历至最大必要数。这避免了不必要的迭代,提高了算法效率,尤其是在k较大且接近n时效果明显。
代码特点
- 通过调整
startIndex
控制递归搜索的边界,使得算法更加高效,减少了不必要的递归调用。 - 继续使用回溯策略,通过添加和移除
path
中的元素实现状态的回溯,探索所有可能的组合。 - 代码结构清晰,注释说明了
startIndex
的作用,便于理解。
综上所述,这个版本通过优化递归时的遍历范围,提升了在特定情况下的执行效率,保持了回溯算法的基本框架,是解决组合问题的一个高效实现。