回溯法
(1)定义及意义
-
回溯搜索法是递归的副产品,只要有递归就会有回溯,通常递归函数的下面就是回溯的逻辑。
-
本质是穷举,并不高效。
-
那为啥还要使用这种方法呢,因为针对一些问题能够通过暴力搜索出来,撑死优化就是再剪枝下,就已经很好了,找不到更优的解决办法。
(2)可用于解决的问题
- 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
(3)回溯法的理解
如何去理解回溯法:回溯法解决的问题都可以抽象为树形结构(N叉树),回溯法解决的都是在集合中递归查找子集,集合的大小构成了树的宽度,递归的深度构成树的深度。
(4)回溯三部曲
- 回溯函数模板返回值以及参数
参数比较难一次性确定下来,一般是先写逻辑,然后需要什么参数,再填什么参数
- 回溯函数终止条件
- 回溯搜索的遍历过程——单层搜索逻辑
for 循环可以理解是横向遍历,递归就是纵向遍历。
(5)对应算法模板框架
void 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
}
}
(6)77. 组合
对于组合问题,找出 2 个数的组合双层for循环,但是要是 50层、100层呢,难道要写100 层 for循环 吗?
回溯算法也是纯暴力的搜索方法,也是模拟嵌套 for循环这种过程。
回溯算法就是通过递归来控制 for循环的层数,递归的每一层就是一个 for循环。
回溯算法相当于是递归里面还嵌套着 for 循环
该题目可以通过剪枝进行优化,就是当for循环选择的起始位置之后的元素个数已经不足需要的元素个数了,就没有必要进行搜索了。相当于 通过所需元素总个数以及path 里面存放的个数,来倒推 i 的 至多开始的位置。
当想通过剪枝对回溯算法进行优化时,就需要思考下 for 循环里面的范围是不是有点大了
class Solution {
public:
vector<vector<int>> result;
vector<int> path;
vector<vector<int>> combine(int n, int k) {
backtracking(n, k, 1);
return result;
}
void backtracking(int n, int k, int startIndex) {
// 在这里相当于 遇到叶子结点就返回
if (path.size() == k) {
result.push_back(path);
return;
}
// 剪枝:i <= n 优化为 i <= n - (k - path.size()) + 1
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) {
path.push_back(i);
backtracking(n, k, i + 1);
path.pop_back();
}
}
};