回溯：理论基础、77. 组合

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

题目链接：77. 组合

💡解题思路

1. 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。
2. 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

1. 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