【算法专题】Leetcode刷题之回溯算法（深度优先搜索）

最新推荐文章于 2022-07-13 15:26:33 发布

黑黑白白君

最新推荐文章于 2022-07-13 15:26:33 发布

阅读量426

点赞数

分类专栏：刷题笔记文章标签： python leetcode 数据结构回溯

本文链接：https://blog.csdn.net/m0_37621024/article/details/115610871

版权

刷题笔记专栏收录该内容

40 篇文章 0 订阅

订阅专栏

【回溯算法】

简单概述

回溯法思路的简单描述是：把问题的解空间转化成了图或者树的结构表示，然后使用深度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解。

基本思想类同于：

图的深度优先搜索
二叉树的后序遍历

详细描述

回溯法的基本行为是搜索，搜索过程使用剪枝函数来为了避免无效的搜索。

剪枝函数包括两类：1. 使用约束函数，剪去不满足约束条件的路径；2.使用限界函数，剪去不能得到最优解的路径。

回溯法应用

当问题是要求满足某种性质（约束条件）的所有解或最优解时，往往使用回溯法。

回溯法的实现方法

回溯法的实现方法有两种：递归和递推（也称迭代）。一般来说，一个问题两种方法都可以实现，只是在算法效率和设计复杂度上有区别。
【类比于图深度遍历的递归实现和非递归（递推）实现】

1. 递归

思路简单，设计容易，但效率低，其设计范式如下：

//针对N叉树的递归回溯方法  
void backtrack (int t)  
{  
    if (t>n) output(x); //叶子节点，输出结果，x是可行解  
    else  
       for i = 1 to k//当前节点的所有子节点  
        {  
            x[t]=value(i); //每个子节点的值赋值给x  
            //满足约束条件和限界条件  
          if (constraint(t)&&bound(t))   
                backtrack(t+1);  //递归下一层  
        }  
}

2. 递推

算法设计相对复杂，但效率高。

//针对N叉树的迭代回溯方法  
void iterativeBacktrack ()  
{  
    int t=1;  
    while (t>0) {  
        if(ExistSubNode(t)) //当前节点的存在子节点  
        {  
            for i = 1 to k  //遍历当前节点的所有子节点  
            {  
                x[t]=value(i);//每个子节点的值赋值给x  
                if (constraint(t)&&bound(t))//满足约束条件和限界条件   
                {  
                    //solution表示在节点t处得到了一个解  
                    if (solution(t)) output(x);//得到问题的一个可行解，输出  
                    else t++;//没有得到解，继续向下搜索  
                }  
            }  
        }  
        else //不存在子节点，返回上一层  
        {  
            t--;  
        }  
    }  
}

子集树和排列树

1. 子集树

所给的问题是从n个元素的集合S中找出满足某种性质的子集时，相应的解空间成为子集树。
如0-1背包问题，从所给重量、价值不同的物品中挑选几个物品放入背包，使得在满足背包不超重的情况下，背包内物品价值最大。它的解空间就是一个典型的子集树。

回溯法搜索子集树的算法范式如下：

void backtrack (int t)  
{  
  if (t>n) output(x);  
    else  
      for (int i=0;i<=1;i++) {  
        x[t]=i;  
        if (constraint(t)&&bound(t)) backtrack(t+1);  
      }  
}

2. 排列树

所给的问题是确定n个元素满足某种性质的排列时，相应的解空间就是排列树。
如旅行售货员问题，一个售货员把几个城市旅行一遍，要求走的路程最小。它的解就是几个城市的排列，解空间就是排列树。
回溯法搜索排列树的算法范式如下：

void backtrack (int t)  
{  
  if (t>n) output(x);  
    else  
      for (int i=t;i<=n;i++) {  
        swap(x[t], x[i]);  
        if (constraint(t)&&bound(t)) backtrack(t+1);  
        swap(x[t], x[i]);  
      }  
}

经典问题

（1）装载问题
（2）0-1背包问题
（3）旅行售货员问题
（4）八皇后问题
（5）迷宫问题
（6）图的m着色问题

（参考自https://blog.csdn.net/weiyuefei/article/details/79316653）

【刷过的题整理】

分割回文串

【题目】

给你一个字符串 s，请你将 s 分割成一些子串，使每个子串都是回文串。返回 s 所有可能的分割方案。

回文串是正着读和反着读都一样的字符串。

示例 1：

输入：s = "aab"
输出：[["a","a","b"],["aa","b"]]
示例 2：

输入：s = "a"
输出：[["a"]]
提示：

1 <= s.length <= 16
s 仅由小写英文字母组成

【思路】

1、看到题目要求「所有可能的结果」，而不是「结果的个数」，一般情况下，我们就知道需要暴力搜索所有的可行解了，可以用「回溯法」。

2、「回溯法」实际上一个类似枚举的搜索尝试过程，主要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就「回溯」返回，尝试别的路径。

回溯法是一种算法思想，而递归是一种编程方法，回溯法可以用递归来实现。

回溯法的整体思路是：搜索每一条路，每次回溯是对具体的一条路径而言的。对当前搜索路径下的的未探索区域进行搜索，则可能有两种情况：

当前未搜索区域满足结束条件，则保存当前路径并退出当前搜索；
当前未搜索区域需要继续搜索，则遍历当前所有可能的选择：如果该选择符合要求，则把当前选择加入当前的搜索路径中，并继续搜索新的未探索区域。

上面说的未搜索区域是指搜索某条路径时的未搜索区域，并不是全局的未搜索区域。

作者：fuxuemingzhu
链接：https://leetcode-cn.com/problems/palindrome-partitioning/solution/hui-su-fa-si-lu-yu-mo-ban-by-fuxuemingzh-azhz/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

【代码】

class Solution:
    def partition(self, s: str) -> List[List[str]]:
        def ifhuiwen(substr):
            return substr == substr[::-1]

        def backtrack(leftSubS, path):  # leftSubs代表未探索的区域
            if not leftSubS:  # 如果所有区域均探索完，则保存路径
                res.append(path[:])
                return
            for i in range(1,len(leftSubS)+1):
                if ifhuiwen(leftSubS[:i]):  # 探索剩下的区域
                    backtrack(leftSubS[i:], path+[''.join(leftSubS[:i])])  # 将当前结果加入path

        res = []
        backtrack(s, [])

        return res

执行结果：

执行用时：192 ms, 在所有 Python3 提交中击败了20.80%的用户

内存消耗：31.8 MB, 在所有 Python3 提交中击败了34.18%的用户

电话号码的字母组合

【题目】

给定一个仅包含数字 2-9 的字符串，返回所有它能表示的字母组合。答案可以按任意顺序返回。

给出数字到字母的映射如下（与电话按键相同）。注意 1 不对应任何字母。

示例 1：

输入：digits = "23"
输出：["ad","ae","af","bd","be","bf","cd","ce","cf"]
示例 2：

输入：digits = ""
输出：[]
示例 3：

输入：digits = "2"
输出：["a","b","c"]

提示：

0 <= digits.length <= 4
digits[i] 是范围 ['2', '9'] 的一个数字。

【我的方法】

回溯~

class Solution:
    def letterCombinations(self, digits: str) -> List[str]:
        if digits=='':
            return []
        digits = list(digits)
        dig2Alph = ['abc','def','ghi','jkl','mno','pqrs','tuv','wxyz']
        res = []
        def backtrack(remain,output):
            if not remain:
                res.append(output)
                return
            num = int(remain[0])
            options = list(dig2Alph[num-2])
            for i in options:
                backtrack(remain[1:], output+i)
        backtrack(digits, '')
        return res

执行结果：

执行用时：40 ms, 在所有 Python3 提交中击败了60.17%的用户

内存消耗：15.1 MB, 在所有 Python3 提交中击败了5.40%的用户

黑黑白白君

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
3
评论
【算法专题】Leetcode刷题之回溯算法（深度优先搜索）

分割回文串【题目】给你一个字符串 s，请你将 s 分割成一些子串，使每个子串都是回文串。返回 s 所有可能的分割方案。回文串是正着读和反着读都一样的字符串。示例 1：输入：s = "aab"输出：[["a","a","b"],["aa","b"]]示例 2：输入：s = "a"输出：[["a"]]提示：1 <= s.length <= 16s 仅由小写英文字母组成【思路】1、看到题目要求「所有可能的结果」，而不是「结果的个数」，一般...
复制链接

扫一扫