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]]
提示:
1 <= n <= 20
1 <= k <= n
这道题是典型的回溯题目,回溯算法虽然效率不怎么高但是在一些情况下只能用回溯去解决,就比如这道题目,如果暴力解法的话是做不出来的,回溯算法一般都是在集合中递归找子集,为了更方便去理解,回溯算法解决的问题可以理解为一个N叉树问题,就以这道题目为例子,我们来看看如何解决;
首先确定回溯函数backtracking到底该怎么写,
返回值先假设为void,传入参数k和n肯定是要有的,这里还额外需要一个start来记录本层递归的中,集合从哪里开始遍历;
怎么理解呢,这道题如果转化为一个N叉树的话,那么k就是树的最大深度,n就是这个树的宽度,所以我们需要一个循环来遍历n,即对宽度的遍历,循环中套递归,对每一个宽度进行递归,所以递归其实实现的是深度的遍历;
回溯函数其实就是一个递归函数,所以终止条件该是什么?
如果一个树通过dfs的方式遍历,一旦到了叶子节点就可以结束了,所以这里也一样,一旦递归深度达到了k(即最大深度),就可以结束了;
代码如下:
class Solution {
public:
vector<vector<int>> ans;
vector<int> path;
void backtracking(int n, int k, int start) {
if (path.size() == k) {
ans.push_back(path);
return ;
}
for (int i = start; i <= n; ++i) {
path.push_back(i);
backtracking(n, k, i + 1); //递归深度,i + 1代表下一层宽度起点要从下一个开始
path.pop_back();//回溯来撤销处理的节点(画图就好理解了)
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n, k, 1);
return ans;
}
};
这个代码同样可以通过剪枝优化一下,只需要改一下宽度遍历中的n,
优化需要以下几步:
已经选择的元素个数:path.size();
还需要的元素个数为: k - path.size();
在集合n中至多要从该起始位置 : n - (k - path.size()) + 1开始遍历
这里加1是为了包括了起始位置
最后优化后其实只需要改动对宽度的循环这一栏就可以了,即
for (int i = start; i <= n - (k - path.size()) + 1; ++i)
代码如下:
class Solution {
public:
vector<vector<int>> ans;
vector<int> path;
void backtracking(int n, int k, int start) {
if (path.size() == k) {
ans.push_back(path);
return ;
}
for (int i = start; i <= n - (k - path.size()) + 1; ++i) {
path.push_back(i);
backtracking(n, k, i + 1);
path.pop_back();
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n, k, 1);
return ans;
}
};