Day27 (回溯算法 part01) 理论基础 77. 组合

目录

理论基础

回溯法的效率：

回溯法几类问题：

抽象为树形结构：

回溯算法模板框架：

77.组合

回溯：

剪枝优化：

力扣代码:

END

---

回溯算法有对应的模板可以套。

---

理论基础

回溯法的效率：

回溯法其实就是暴力查找，并不是什么高效的算法。

回溯法几类问题：

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

抽象为树形结构：

所有回溯法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。

回溯算法模板框架：

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
    }
}

---

77.组合

题目链接：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]]

回溯：

• 思考过程：

• 抽象为如下树形结构：

• 通过 startIndex 来记录下一层递归，搜索的起始位置；

剪枝优化：

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。

• 力扣代码:

剪枝优化：当i > n-(k-path.size())+1 时，剩下的数字已经不够组合的数字k了

class Solution {
private:
    vector<vector<int>> result;
    vector<int> path;

    void backtracing(int n, int k, int i) {
        if (path.size() == k) {
            result.push_back(path);
            return;
        }
        for (i; i <= n-(k-path.size())+1; i++) {  // 横向遍历  + 剪枝优化  
            path.push_back(i);
            backtracing(n, k, i+1);  // 纵向递归
            path.pop_back();
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        backtracing(n, k, 1);
        return result;
    }
};

---

END