代码随想录算法训练营第三十天 | 332. 重新安排行程，51. N皇后，37. 解数独，回溯算法总结

332. 重新安排行程（可跳过）

题目链接：代码随想录

~

51. N皇后（可跳过）

题目链接：代码随想录

视频讲解：代码随想录

~

37. 解数独（可跳过）

题目链接：代码随想录

视频讲解：回溯算法二维递归？解数独不过如此！| LeetCode：37. 解数独_哔哩哔哩_bilibili

~

回溯算法总结

回溯算法理论基础

回溯是递归的副产品，只要有递归就会有回溯，所以回溯法也经常和二叉树遍历，深度优先搜索混在一起，因为这两种方式都是用了递归。

回溯法就是暴力搜索，并不是什么高效的算法，最多再剪枝一下。

回溯算法能解决如下问题：

• 组合问题：N个数里面按一定规则找出k个数的集合
• 排列问题：N个数按一定规则全排列，有几种排列方式
• 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
• 棋盘问题：N皇后，解数独等等

回溯法确实不好理解，所以需要把回溯法抽象为树状图来理解就容易多了

回溯法模板：

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
    }
}

组合问题

在回溯算法：求组合问题！ (opens new window)中，我们开始用回溯法解决第一道题目：组合问题。

用递归控制for循环嵌套的数量！

for循环横向遍历，递归纵向遍历，回溯不断调整结果集

优化回溯算法只有剪枝一种方法，在回溯算法：组合问题再剪剪枝 (opens new window)中把回溯法代码做了剪枝优化，树形结构如图：

回溯算法：求组合问题！ (opens new window)剪枝精髓是：for循环在寻找起点的时候要有一个范围，如果这个起点到集合终止之间的元素已经不够题目要求的k个元素了，就没有必要搜索了。

在for循环上做剪枝操作是回溯法剪枝的常见套路！

组合总和

组合总和（一）

在回溯算法：求组合总和！ (opens new window)中，相当于 回溯算法：求组合问题！ (opens new window)加了一个元素总和的限制。

本题的剪枝会好想一些，即：已选元素总和如果已经大于n（题中要求的和）了，那么往后遍历就没有意义了，直接剪掉，如图：

在本题中，依然还可以有一个剪枝，就是回溯算法：组合问题再剪剪枝 (opens new window)中提到的，对for循环选择的起始范围的剪枝。

组合总和（二）

在回溯算法：求组合总和（二） (opens new window)中讲解的组合总和问题，和回溯算法：求组合问题！ (opens new window)，回溯算法：求组合总和！ (opens new window)和区别是：本题没有数量要求，可以无限重复，但是有总和的限制，所以间接的也是有个数的限制。

本题还需要startIndex来控制for循环的起始位置，对于组合问题，什么时候需要startIndex呢？

我举过例子，如果是一个集合来求组合的话，就需要startIndex，例如：回溯算法：求组合问题！ (opens new window)，回溯算法：求组合总和！ (opens new window)。

如果是多个集合取组合，各个集合之间相互不影响，那么就不用startIndex，例如：回溯算法：电话号码的字母组合

以上我只是说求组合的情况，如果是排列问题，又是另一套分析的套路。

优化后树形结构如下：

组合总和（三）

在回溯算法：求组合总和（三） (opens new window)中集合元素会有重复，但要求解集不能包含重复的组合。

所以难就难在去重问题上了。

“树枝去重”和“树层去重”。

“使用过”在这个树形结构上是有两个维度的，一个维度是同一树枝上“使用过”，一个维度是同一树层上“使用过”。没有理解这两个层面上的“使用过” 是造成大家没有彻底理解去重的根本原因。

可以看出在candidates[i] == candidates[i - 1]相同的情况下：

• used[i - 1] == true，说明同一树枝candidates[i - 1]使用过
• used[i - 1] == false，说明同一树层candidates[i - 1]使用过

对于去重，其实排列和子集问题也是一样的道理。

多个集合求组合

在回溯算法：电话号码的字母组合 (opens new window)中，开始用多个集合来求组合，还是熟悉的模板题目，但是有一些细节。

因为本题每一个数字代表的是不同集合，也就是求不同集合之间的组合，而回溯算法：求组合问题！ (opens new window)和回溯算法：求组合总和！ (opens new window)都是是求同一个集合中的组合！

切割问题

在回溯算法：分割回文串 (opens new window)中，我们开始讲解切割问题，虽然最后代码看起来好像是一道模板题，但是从分析到学会套用这个模板，是比较难的。

我列出如下几个难点：

• 切割问题其实类似组合问题
• 如何模拟那些切割线
• 切割问题中递归如何终止
• 在递归循环中如何截取子串
• 如何判断回文

如果想到了用求解组合问题的思路来解决 切割问题本题就成功一大半了，接下来就可以对着模板照葫芦画瓢。

但后序如何模拟切割线，如何终止，如何截取子串，其实都不好想，最后判断回文算是最简单的了。

所以本题应该是一个道hard题目了。

除了这些难点，本题还有细节，例如：切割过的地方不能重复切割所以递归函数需要传入i + 1。

子集问题

子集问题（一）

在回溯算法：求子集问题！ (opens new window)中讲解了子集问题，在树形结构中子集问题是要收集所有节点的结果，而组合问题是收集叶子节点的结果。

本题其实可以不需要加终止条件，因为startIndex >= nums.size()，本层for循环本来也结束了，本来我们就要遍历整棵树。

子集问题（二）

在回溯算法：求子集问题（二） (opens new window)中，开始针对子集问题进行去重。

本题就是回溯算法：求子集问题！ (opens new window)的基础上加上了去重，去重我们在回溯算法：求组合总和（三） (opens new window)也讲过了，一样的套路。

递增子序列

在回溯算法：递增子序列 (opens new window)中，处处都能看到子集的身影，但处处是陷阱，值得好好琢磨琢磨！

子集问题一定要排序，为什么呢？

我用没有排序的集合{2,1,2,2}来举个例子画一个图，如下：

排列问题

排列问题（一）

回溯算法：排列问题！ (opens new window)又不一样了。

排列是有序的，也就是说 [1,2] 和 [2,1] 是两个集合

可以看出元素1在[1,2]中已经使用过了，但是在[2,1]中还要在使用一次1，所以处理排列问题就不用使用startIndex了。

大家此时可以感受出排列问题的不同：

• 每层都是从0开始搜索而不是startIndex
• 需要used数组记录path里都放了哪些元素了

排列问题（二）

排列问题也要去重了，在回溯算法：排列问题（二） (opens new window)中又一次强调了“树层去重”和“树枝去重”。

这道题目神奇的地方就是used[i - 1] == false也可以，used[i - 1] == true也可以！

我就用输入: [1,1,1] 来举一个例子。

树层上去重(used[i - 1] == false)，的树形结构如下：

树枝上去重（used[i - 1] == true）的树型结构如下：

可以清晰的看到使用(used[i - 1] == false)，即树层去重，效率更高！

本题used数组即是记录path里都放了哪些元素，同时也用来去重，一举两得。

去重问题

以上我都是统一使用used数组来去重的，其实使用set也可以用来去重！

在本周小结！（回溯算法系列三）续集 (opens new window)中给出了子集、组合、排列问题使用set来去重的解法以及具体代码，并纠正一些同学的常见错误写法。

同时详细分析了 使用used数组去重 和 使用set去重 两种写法的性能差异：

使用set去重的版本相对于used数组的版本效率都要低很多，大家在leetcode上提交，能明显发现。

原因在回溯算法：递增子序列 (opens new window)中也分析过，主要是因为程序运行的时候对unordered_set 频繁的insert，unordered_set需要做哈希映射（也就是把key通过hash function映射为唯一的哈希值）相对费时间，而且insert的时候其底层的符号表也要做相应的扩充，也是费时的。

而使用used数组在时间复杂度上几乎没有额外负担！

使用set去重，不仅时间复杂度高了，空间复杂度也高了，在本周小结！（回溯算法系列三） (opens new window)中分析过，组合，子集，排列问题的空间复杂度都是O(n)，但如果使用set去重，空间复杂度就变成了O(n^2)，因为每一层递归都有一个set集合，系统栈空间是n，每一个空间都有set集合。

那有同学可能疑惑 用used数组也是占用O(n)的空间啊？

used数组可是全局变量，每层与每层之间公用一个used数组，所以空间复杂度是O(n + n)，最终空间复杂度还是O(n)。

性能分析

子集问题分析：

• 时间复杂度：O(2^n)，因为每一个元素的状态无外乎取与不取，所以时间复杂度为O(2^n)
• 空间复杂度：O(n)，递归深度为n，所以系统栈所用空间为O(n)，每一层递归所用的空间都是常数级别，注意代码里的result和path都是全局变量，就算是放在参数里，传的也是引用，并不会新申请内存空间，最终空间复杂度为O(n)

排列问题分析：

• 时间复杂度：O(n!)，这个可以从排列的树形图中很明显发现，每一层节点为n，第二层每一个分支都延伸了n-1个分支，再往下又是n-2个分支，所以一直到叶子节点一共就是 n * n-1 * n-2 * ..... 1 = n!。
• 空间复杂度：O(n)，和子集问题同理。

组合问题分析：

• 时间复杂度：O(2^n)，组合问题其实就是一种子集的问题，所以组合问题最坏的情况，也不会超过子集问题的时间复杂度。
• 空间复杂度：O(n)，和子集问题同理。

一般说道回溯算法的复杂度，都说是指数级别的时间复杂度，这也算是一个概括吧！

总结