回溯问题总结

回溯问题总结

个人心得

本博客大部分参考自：代码随想录 - 回溯法总结篇

问题本质

回溯是递归的副产品，常与深度优先搜索、二叉树遍历一起出现。本质是暴力搜索算法（最多剪枝优化），只不过是用递归的方式控制了for循环嵌套的数量，即：for循环横向遍历，递归纵深遍历，回溯不断调整结果集。将遍历过程抽象为树的结构可以更好地理解。

解题步骤

“Carl回溯三部曲”

• 回溯函数backtracking模板的返回值及其参数

• 回溯函数的终止条件

• 回溯搜索的遍历过程

我的一些说明

1、单个集合求解时需要设置startIndex，多个集合求组和不需要

2、回溯部分的backtracking()参数startIndex，不限次数可从i开始，限制次数必须往后i + 1

3、每层遍历时主逻辑这样写：求组合时for当中int i = startIndex，否则求排列时一般从i = 0开始

4、层次去重时，要使用used数组记录元素是否被访问，出于时空复杂度的考量尽量不使用unordered_map去重，注意提前对原数组的排序问题

5、backtracking()函数的返回值一般是void，何时为bool？因为解数独找到一个符合的条件（就在树的叶子节点上）立刻 就返回，相当于找从根节点到叶子节点一条唯一路径，所以需要使用bool返回值，这一点在 重新安排行程、回溯算法：N皇后问题 中已经介绍过了，一样的道理。

6、注意返回条件和收集result的位置关系

• 这里粘贴一个录友总结好的框架：

解题范围

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

组合问题

• 77. 组合 - 力扣（LeetCode），给定两个整数 n 和 k，返回 1 … n 中所有可能的 k 个数的组合。组合不考虑排列顺序，因此for从i = startIndex开始遍历，剪枝时，i <= n - (k - path.size()) + 1

  ​ // path.size()已经选择的元素个数

  ​ // k - path.size()还需选择的元素个数

  ​ // 在集合n中 至多 要从该起始位置 : n - (k - path.size()) + 1，开始遍历，因为再往后才开始的话集合中的元素将取不够

• 216. 组合总和 III - 力扣（LeetCode），找出所有相加之和为 n 的 k 个数的组合。组合中只允许含有 1 - 9 的正整数，并且每种组合中不存在重复的数字。比第一题多了总和的限制。照旧，从i = startIndex开始遍历，可以有i <= n - (k - path.size()) + 1剪枝和总和超过sum就return两种剪枝

• 39. 组合总和 - 力扣（LeetCode），比第二题少了限制，不限制选取的次数，因此递归backtracking部分不用i + 1，直接i。剪枝只有判断sum一处。最好先对候选数组排序

• 40. 组合总和 II - 力扣（LeetCode），难在去重。这里采用“层次去重”，最好先排序，然后引入uesd数组记录元素是否被访问过

多个集合求组和

• 17. 电话号码的字母组合 - 力扣（LeetCode），注意这里for循环可不是从startIndex开始遍历的，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。而且index也不同与以往的startIndex，是记录遍历第几个数字了，就是用来遍历digits的（题目中给出数字字符串），同时index也表示树的深度

切割问题（用求解组合的思路来解决）

• 131. 分割回文串 - 力扣（LeetCode）
• 93. 复原 IP 地址 - 力扣（LeetCode）

有如下几个难点：

• 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

子集问题

• 78. 子集 - 力扣（LeetCode），注意收集result要放在终止条件的上面
• 90. 子集 II - 力扣（LeetCode），子集去重，有uesd数组法和unordered_set法，考虑到时空复杂度建议用前者。一定要先排序！
• 491. 递增子序列 - 力扣（LeetCode），一定不能排序，否得都将是递增子序列，因此去重的逻辑需要改变

排列问题

• 46. 全排列 - 力扣（LeetCode），收集所有的叶子节点，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
• 47. 全排列 II - 力扣（LeetCode），去重版全排列，树层去重要比树枝去重的效率更高，少做了很多无用搜索

重新安排行程

• 332. 重新安排行程 - 力扣（LeetCode），难！难在容器的选择和使用，backtracking函数返回值为bool

棋盘问题

• 51. N 皇后 - 力扣（LeetCode），棋盘的宽度就是for循环的长度，递归的深度就是棋盘的高度，这样就可以套进回溯法模板
• 37. 解数独 - 力扣（LeetCode)，二维递归

性能分析

子集问题分析：

• 时间复杂度：O(2的n次方)，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。

N皇后问题分析：

• 时间复杂度：O(n!) ，其实如果看树形图的话，直觉上是O(n^n)，但皇后之间不能见面所以在搜索的过程中是有剪枝的，最差也就是O（n!），n!表示n * (n-1) * … * 1。
• 空间复杂度：O(n)，和子集问题同理。

解数独问题分析：

• 时间复杂度：O(9^m) , m是’.'的数目。
  皇后之间不能见面所以在搜索的过程中是有剪枝的，最差也就是O（n!），n!表示n * (n-1) * … * 1。
• 空间复杂度：O(n)，和子集问题同理。

解数独问题分析：

• 时间复杂度：O(9^m) , m是’.'的数目。
• 空间复杂度：O(n^{2)，递归的深度是n}2