回溯算法理论基础
题目分类
什么回溯法?
回溯法也可以叫做回溯搜索法,它是一种搜索的方式。
二叉树在递归中就隐藏着回溯。
回溯是递归的副产品,只要有递归就会有回溯。
所以以下讲解中,回溯函数也就是递归函数,指的都是一个函数。
回溯法的效率
回溯法的性能如何呢,这里要和大家说清楚了,虽然回溯法很难,很不好理解,但是回溯法并不是什么高效的算法。
因为回溯的本质是穷举,穷举所有可能,然后选出我们想要的答案,如果想让回溯法高效一些,可以加一些剪枝的操作,但也改不了回溯法就是穷举的本质。
那么既然回溯法并不高效为什么还要用它呢?
因为没得选,一些问题能暴力搜出来就不错了,撑死了再剪枝一下,还没有更高效的解法。
回溯法解决的问题
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
如何理解回溯法
回溯法解决的问题都可以抽象为树形结构,是的,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。
递归就要有终止条件,所以必然是一棵高度有限的树(N叉树)。
回溯法模板
- 回溯函数模板返回值以及参数
回溯算法中函数返回值一般为void。
参数的话,因为回溯算法需要的参数不想二叉树递归的时候那么容易一次性确定下来,所以一般是先写逻辑,然后需要什么参数,就填什么参数。
伪代码:
void backtracking(参数)
- 回溯函数终止条件
回溯既然是树形结构,遍历树形结构一定要有终止条件。回溯同样也要有终止条件。
什么时候到达了终止条件,树中可以看出,一般来说搜到叶子节点了,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。
所以,回溯函数终止条件伪代码:
if (终止条件) {
存放结果;
return;
}
- 回溯搜索的遍历过程
回溯法一般在集合中递归搜索,集合的大小构成了树的宽度,递归的深度构成了树递深度。
如图:
回溯函数遍历过程伪代码如下:
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循环就是遍历集合区间,可以理解一个节点有多少个孩子,这个for循环就执行多少次。
backtracking这里自己调用自己,实现递归。
for循环可以理解是横向遍历,backtracking(递归)就是纵向遍历,
这样就把这棵树全遍历完了,一般来说,搜索叶子节点就是找的其中一个结果了。
回溯算法模板框架如下:
void backtracking(参数) {
if (终止条件) {
存放结果;
return;
}
for (选择: 本层集合元素(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
套用回溯模板
- 返回值和参数
n和k,以及组合结果数组path,最终结果数组res
不需要返回值
backtracking(n, k, path, res)
- 结束条件
if (path.size == k) {
res.add(path);
return;
}
- 回溯遍历过程
这里因为不能有重复的元素,所有在参数终必须加一个开始位置参数start
for (int i = start; i <= n; i++) {
path.add(i);
backtracking(n, k, i+1, path, res);
path.remove(path.size() - 1);
}
画图更能理解回溯过程
剪枝优化:
每次判断还需要几个元素,是否需要继续递归回溯。
for (int i = start; i <= n - (k - path.size()) + 1; i++) {
//
}