提示:努力生活,开心、快乐的一天
理论基础
什么是回溯法
- 回溯法也可以叫做
回溯搜索法
,它是一种搜索的方式 - 回溯是递归的副产品,只要有递归就会有回溯。
回溯法的效率
- 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。
- 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。
- 之所以还需要回溯,是因为没得选,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
- 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
组合是不强调元素顺序的,排列是强调元素顺序
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,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
回溯三部曲
- 回溯函数模板返回值以及参数:backtracking(参数)
- 回溯函数终止条件:什么时候达到了终止条件,树中就可以看出,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
- 回溯搜索的遍历过程:回溯法一般是在集合中递归搜索,集合的大小构成了树的宽度,递归的深度构成的树的深度
for循环可以理解是横向遍历,backtracking(递归)就是纵向遍历
for (选择:本层集合中元素(一个节点有多少个孩子,这个for循环就执行多少次)) {
处理节点;
backtracking(路径,选择列表); // 递归
回溯,撤销处理结果
}
完成的模版为
const 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
💡解题思路
- 把组合问题抽象为如下树形结构:可以看出这棵树,一开始集合是 1,2,3,4, 从左向右取数,取过的数,不再重复取。**每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围。图中可以发现n相当于树的宽度,k相当于树的深度。**图中每次搜索到了叶子节点,我们就找到了一个结果。
- 回溯法三部曲
- 递归函数的返回值以及参数:定义两个全局变量,一个用来存放符合条件单一结果,一个用来存放符合条件结果的集合,参数有:n,k,startIndex,startIndex来记录下一层递归,搜索的起始位置,防止出现重复的组合
let result = []// 存放符合条件结果的集合,二维数组
let path = []// 用来存放符合条件结果,一维数组
//startIndex来记录下一层递归,搜索的起始位置
const backtracking = (n, k, startIndex) => {}
- 回溯函数终止条件:到达所谓的叶子节点的时候终止,path这个数组的大小如果达到k,说明我们找到了一个子集大小为k的组合了,在图中path存的就是根节点到叶子节点的路径。此时用result二维数组,把path保存起来,并终止本层递归
if (path.length === k) {
result.push([...path])
return
}
- 单层搜索的过程:用for循环用来横向遍历,递归的过程是纵向遍历,for循环每次从startIndex开始遍历,然后用path保存取到的节点i。
backtracking(递归函数)通过不断调用自己一直往深处遍历,总会遇到叶子节点,遇到了叶子节点就要返回
for (let i = startIndex; i <= n; i++){// 控制树的横向遍历
path.push(i)// 处理节点
backtracking(n, k, i + 1)// 递归:控制树的纵向遍历,注意下一层搜索要从i+1开始
path.pop()// 回溯,撤销处理的节点
}
🤔遇到的问题
- path往result中push的时候,需要用到解构
💻代码实现
回溯
var combine = function(n, k) {
let result = []// 存放符合条件结果的集合,二维数组
let path = []// 用来存放符合条件结果,一维数组
//startIndex来记录下一层递归,搜索的起始位置
const backtracking = (n, k, startIndex) => {
//path这个数组的大小如果达到k,已找到了一个子集大小为k的组合
//用result二维数组,把path保存起来,并终止本层递归
if (path.length === k) {
result.push([...path])
return
}
//for循环用来横向遍历,递归的过程是纵向遍历
for (let i = startIndex; i <= n; i++){// 控制树的横向遍历
//做剪枝 for (let i = startIndex; i <= n - (k - path.size()) + 1; i++){
path.push(i)// 处理节点
backtracking(n, k, i + 1)// 递归:控制树的纵向遍历,注意下一层搜索要从i+1开始
path.pop()// 回溯,撤销处理的节点
}
}
backtracking(n, k, 1)
return result
};
🎯题目总结
回溯法的搜索过程抽象为树形结构,可以直观的看出搜索的过程,用回溯法三部曲,可以逐步分析了函数参数、终止条件和单层搜索的过程。
剪枝优化
在遍历的过程中,又可以做的剪枝。
来举一个例子,n = 4,k = 4的话,那么第一层for循环的时候,从元素2开始的遍历都没有意义了。 在第二层for循环,从元素3开始的遍历都没有意义了
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
优化过程如下:
1、已经选择的元素个数:path.size();
2、还需要的元素个数为: k - path.size();
3、在集合n中至多要从该起始位置 : n - (k - path.size()) + 1,开始遍历
为什么有个+1呢,因为包括起始位置,我们要是一个左闭的集合。
优化之后的for循环是:
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置
🎈今日心得
初步接触回溯,暂时还可以理解,希望后面也不要太难