代码随想录算法训练营Day 24 | 回溯算法part01 | 回溯理论基础、77.组合
回溯理论基础
回溯法解决的问题
回溯法,一般可以解决如下几种问题:
- 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
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,递归的深度就构成了树的深度。
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)。
算法模板
def 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
一、回溯
class Solution(object):
def combine(self, n, k):
"""
:type n: int
:type k: int
:rtype: List[List[int]]
"""
result = []
path = []
self.backtracking(n,k,1,path,result)
return result
def backtracking(self,n,k,startindex,path,result):
#startIndex 就是防止出现重复的组合,需要startIndex来记录下一层递归,搜索的起始位置
# 终止条件
if (len(path)==k):
result.append(path[:]) # 这里使用 path[:] 创建 path 的一个副本
return #别忘了return
# 单层递归
for i in range(startindex,n+1):
path.append(i) # 选择当前元素
self.backtracking(n,k,i+1,path,result) # 继续递归填充后续的元素
path.pop() # 回溯,撤销上一个添加的元素
其中要注意的是,在 Python 中,列表是可变对象,所以当修改 path 时,result 中已存储的所有引用都会随之变化。这个问题已经遇到不止一次了,要注意保存的是什么,如果只是append(path)最后输出的就全是空列表[]。
二、带剪枝操作的
接下来看一下优化过程如下:
- 已经选择的元素个数:path.size();
- 还需要的元素个数为: k - path.size();
- 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。
class Solution:
def combine(self, n: int, k: int) -> List[List[int]]:
result = [] # 存放结果集
self.backtracking(n, k, 1, [], result)
return result
def backtracking(self, n, k, startIndex, path, result):
if len(path) == k:
result.append(path[:])
return
for i in range(startIndex, n - (k - len(path)) + 2): # 优化的地方
path.append(i) # 处理节点
self.backtracking(n, k, i + 1, path, result)
path.pop() # 回溯,撤销处理的节点