1. 什么是回溯 怎么用(回溯本质及模版)
底层逻辑:解决树形结构问题、用到递归逻辑、穷举本质优化靠剪枝。
回溯模版:
1. 建立回溯函数(一般以void返回)难点:如何选取参数 (index,sum,used,... )
void backtracking(参数)
2. 回溯终止条件 难点:如何对应终止条件
if (终止条件) {
存放结果;
return;
}
3. 单层遍历规则 (广搜(横向遍历)靠for循环,深搜(纵向遍历)靠递归)(例外:电话问题)
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
}
4. 模版总结
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
}
}
2. 什么时候用 (解决问题/适用场景)
组合问题(不强调顺序):输入一个数组/字符串 和 目标值,输出题目要求的集合解
切割问题:输入一个数组/字符串,输出题目要求的切割形式
子集问题((需全取元素)特殊组合问题):输入一个数组/字符串,输出题目要求的所有子集
排列问题(强调顺序):输入一个数组/字符串,输出题目要求的所有全排列
棋盘问题:N皇后、解数独等
3. 如何解决问题(问题难点 + 解决方案)
3.1 组合问题难点:
1. 剪枝如何剪
输入:n 为最大整数、k为要求组合个数 ; 输出:所有k个元素的组合集合。
分析:
1. 以顺序排列的组合方式。
2. 广搜路线只考虑后面的元素个数是否满足 {k - path.size ()} 个。
3. for循环的判断条件变为 {i <= n - (k - path.size ()) + 1} (例 n = 4,k = 3,此时path.size() = 2, i只需考虑 3 或 4)
2. 回溯函数参数怎么选
输入:n 为目标数、k为要求组合个数(不能有重复) ; 输出:sum = n的 k 个元素的组合集合。
分析:
1. 回溯函数设定:
BT(int k, int n)
a. 广搜 是否 不取重复 (是)----> StartIndex
b. 考虑限定终止条件(sum == n),sum是否需要在回溯中重复使用(需要)----> Sum
回溯函数参数变为
void BT(int targetSum, int k, int sum, int startIndex)
2. 广搜循环判断:Sum出现在回溯传入参数中,需要随回溯一起变化
for (int i = startIndex; i <= 9; i++) {
sum += i;
path.push_back(i);
backtracking(targetSum, k, sum, i + 1); // 注意i+1调整startIndex
sum -= i; // 回溯
path.pop_back(); // 回溯
}
3. 含映射的回溯问题
输入:含 ‘ 2 ’ ~ ‘ 9 ’ 的一字符串,每个字符映射一组小集合 ; 输出:所有映射子集组合的集合。
分析:
1. 回溯函数设定
void backtracking(const string& digits)
a. 广搜 是否 不取重复 (否)
b. 考虑终止条件(number == nums.size()),number 是否需要在回溯中重复使用(需要)----> number
回溯函数参数变为
void backtracking(const string& digits, int number)
2. 广搜循环判断:
a. 组合子集是否为映射因子 (是)------> for循环映射元素
b. 映射集合选取 根据 {digits[number]} 确定,映射集合表示为
int digit = digits[number] - '0';
string letters = letterMap[digits];
c. 广搜循环变为
for (int i = 0; i < letters.size(); i++) {
s.push_back(letters[i]); // 处理
backtracking(digits, index + 1); // 递归,注意index+1,一下层要处理下一个数字了
s.pop_back(); // 回溯
}
4. 去重问题(同一树层使用过)
输入:一字符串、 k为目标数; 输出:和为k的组合的集合(无数字重复)。
分析:
1. 回溯函数设定
void backtracking(vector<int>& candidates, int target)
a. 广搜 是否 不取重复 (是)----> StartIndex
b. 考虑终止条件,Sum是否需要在回溯中重复使用(需要)----> Sum
去重操作 Used是否需要在回溯中重复使用(需要)----> Used
void backtracking(vector<int>& candidates, int target, int sum, int startIndex, vector<bool>& used)
2. 广搜循环判断:
for (int i = startIndex; i < candidates.size(); i++)
a. 剪枝优化
for (int i = startIndex; i < candidates.size() && sum + candidates[i] <= target; i++)
b. 去重操作
if (i > 0 && candidates[i] == candidates[i - 1] && used[i - 1] == false) {
continue;
}
1)used[i - 1] = true : 同一树枝有用过candidates[i - 1];
2)used[i - 1] = false : 同一树层有用过candidates[i - 1];需跳过
3.2 切割问题难点:
1. 如何切割
输入:一字符串; 输出:所有分隔为回文的字符串组合的集合。
分析:
1. 回溯函数设定
void backtracking (const string& s)
a. 广搜 是否 不取重复 (是)----> StartIndex
b. 考虑终止条件,判断是否为回文 TAG,是否需在回溯中重复使用(不需要)
path.size() == s.size()
void backtracking (const string& s, int startIndex)
2. 广搜循环判断:
for (int i = startIndex; i < s.size(); i++)
a. 切割条件判断 (回文串逻辑判断)
1)是 切割字符串 附入 走递归 push_back ( )
2)不是 不切割 继续寻找符合条件的字符串 continue
if (isPalindrome(s, startIndex, i)) { // 是回文子串
// 获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);
path.push_back(str);
} else { // 如果不是则直接跳过
continue;
}
最终代码
for (int i = startIndex; i < s.size(); i++) {
if (isPalindrome(s, startIndex, i)) { // 是回文子串
// 获取[startIndex,i]在s中的子串
string str = s.substr(startIndex, i - startIndex + 1);
path.push_back(str);
} else { // 如果不是则直接跳过
continue;
}
backtracking(s, i + 1); // 寻找i+1为起始位置的子串
path.pop_back(); // 回溯过程,弹出本次已经填在的子串
}
3.3 子集问题难点:
1. 终止条件与放入逻辑
放入逻辑放在终止条件外(无需return),因为需要考虑所有元素的子集!
3.4 去重问题难点:
1. 用used数组写法
result.push_back(path);
for (int i = startIndex; i < nums.size(); i++) {
// used[i - 1] == true,说明同一树枝candidates[i - 1]使用过
// used[i - 1] == false,说明同一树层candidates[i - 1]使用过
// 而我们要对同一树层使用过的元素进行跳过
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
continue;
}
path.push_back(nums[i]);
used[i] = true;
backtracking(nums, i + 1, used);
used[i] = false;
path.pop_back();
}
2. 用set写法 (适用于无法先排序的数组进行增子序列统计)
result.push_back(path);
unordered_set<int> uset; // 定义set对同一节点下的本层去重
for (int i = startIndex; i < nums.size(); i++) {
if (uset.find(nums[i]) != uset.end()) { // 如果发现出现过就pass
continue;
}
uset.insert(nums[i]); // set跟新元素
path.push_back(nums[i]);
backtracking(nums, i + 1);
path.pop_back();
}
用set误区:
1. 放在类成员里,一次 insert ,回溯对应 一次 erase;错误原因:控制整棵树,而非同层树。
3. set与used比较
答:使用set去重的版本相对于used数组的版本效率都要低很多。原因:调用insert函数做哈希映射需要费时。结论:使用set去重,不仅时间复杂度高了,空间复杂度也高了
3.5 棋盘问题难点:
输入:n为棋盘大小; 输出:所有行存在皇后的棋盘可行解的集合。
分析:
1. 回溯函数设定
void backtracking(int n)
a. 广搜 是否 不取重复 (否)
b. 考虑终止条件,行数Row == n?,是否需要在回溯中重复使用 (是)-------> row
记录棋局初始化根据n的取值以设立好,故需要在函数传入中写入 -----> chess
void backtracking(int n, int row, vector<string>& chessboard)
2. 广搜循环判断:
类似切割问题,但是不要continue
一刷总结致此 0712-0713