1复原 IP 地址
有效 IP 地址 正好由四个整数(每个整数位于 0
到 255
之间组成,且不能含有前导 0
),整数之间用 '.'
分隔。
- 例如:
"0.1.2.201"
和"192.168.1.1"
是 有效 IP 地址,但是"0.011.255.245"
、"192.168.1.312"
和"192.168@1.1"
是 无效 IP 地址。
给定一个只包含数字的字符串 s
,用以表示一个 IP 地址,返回所有可能的有效 IP 地址,这些地址可以通过在 s
中插入 '.'
来形成。你 不能 重新排序或删除 s
中的任何数字。你可以按 任何 顺序返回答案。
示例 1:
输入:s = "25525511135" 输出:["255.255.11.135","255.255.111.35"]
示例 2:
输入:s = "0000" 输出:["0.0.0.0"]
示例 3:
输入:s = "101023" 输出:["1.0.10.23","1.0.102.3","10.1.0.23","10.10.2.3","101.0.2.3"]
提示:
1 <= s.length <= 20
s
仅由数字组成
思路:
本题明确要求只会分成4段,所以不能用切割线切到最后作为终止条件,而是分割的段数作为终止条件。
pointNum表示逗点数量,pointNum为3说明字符串分成了4段了。
回溯算法的思路是通过尝试所有可能的IP地址分割方法来解决问题。具体来说,我们从输入字符串的起始位置开始,每次尝试在当前位置插入一个点,然后递归地尝试下一个位置。在递归的过程中,我们需要判断当前分割的子字符串是否合法,包括子字符串是否以0开头(除了0本身外),是否在0到255之间等。当插入了三个点后,我们再判断剩余的字符串是否合法,如果是的话就将该分割方法添加到结果集中。
具体来说,我们首先定义一个私有变量result
来存储所有合法的IP地址字符串。然后编写一个私有函数backtracking
来进行回溯搜索。在backtracking
函数中,我们通过一个循环遍历所有可能的分割位置,对每个位置判断是否合法,如果合法就插入一个点并继续递归搜索下一个位置。当插入了三个点后,我们再判断剩余的字符串是否合法,如果是的话就将该分割方法添加到result
中。
在判断子字符串是否合法的过程中,我们需要注意首先判断是否以0开头(除了0本身外),然后再判断是否在0到255之间。如果子字符串满足这些条件,则返回true,否则返回false。
最后,在restoreIpAddresses
函数中,我们清空结果集并进行一些简单的剪枝操作,然后调用backtracking
函数开始搜索所有可能的合法IP地址分割方法。最终返回结果集result
。
判断子串是否合法
主要考虑到如下三点:
- 段位以0为开头的数字不合法
- 段位里有非正整数字符不合法
- 段位如果大于255了不合法
代码:
class Solution {
private:
vector<string> result;// 记录结果
// startIndex: 搜索的起始位置,pointNum:添加逗点的数量
void backtracking(string& s, int startIndex, int pointNum) {
if (pointNum == 3) { // 逗点数量为3时,分隔结束
// 判断第四段子字符串是否合法,如果合法就放进result中
if (isValid(s, startIndex, s.size() - 1)) {
result.push_back(s);
}
return;
}
for (int i = startIndex; i < s.size(); i++) {
if (isValid(s, startIndex, i)) { // 判断 [startIndex,i] 这个区间的子串是否合法
s.insert(s.begin() + i + 1 , '.'); // 在i的后面插入一个逗点
pointNum++;
backtracking(s, i + 2, pointNum); // 插入逗点之后下一个子串的起始位置为i+2
pointNum--; // 回溯
s.erase(s.begin() + i + 1); // 回溯删掉逗点
} else break; // 不合法,直接结束本层循环
}
}
// 判断字符串s在左闭又闭区间[start, end]所组成的数字是否合法
bool isValid(const string& s, int start, int end) {
if (start > end) {
return false;
}
if (s[start] == '0' && start != end) { // 0开头的数字不合法
return false;
}
int num = 0;
for (int i = start; i <= end; i++) {
if (s[i] > '9' || s[i] < '0') { // 遇到非数字字符不合法
return false;
}
num = num * 10 + (s[i] - '0');
if (num > 255) { // 如果大于255了不合法
return false;
}
}
return true;
}
public:
vector<string> restoreIpAddresses(string s) {
result.clear();
if (s.size() < 4 || s.size() > 12) return result; // 算是剪枝了
backtracking(s, 0, 0);
return result;
}
};
2子集
给你一个整数数组 nums
,数组中的元素 互不相同 。返回该数组所有可能的
子集
(幂集)。
解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。
示例 1:
输入:nums = [1,2,3] 输出:[[],[1],[2],[1,2],[3],[1,3],[2,3],[1,2,3]]
示例 2:
输入:nums = [0] 输出:[[],[0]]
提示:
1 <= nums.length <= 10
-10 <= nums[i] <= 10
nums
中的所有元素 互不相同
思路:
通过回溯算法来搜索所有可能的子集,具体步骤如下:
- 初始化空的路径path和结果集result。
- 调用backtracking函数进行回溯:
- 将当前路径path加入到结果集result中。
- 如果当前位置startindex大于等于nums数组的大小,说明已经遍历完所有元素,返回。
- 遍历所有可能的选择,将选择加入路径中,然后递归下一层。
- 回溯,将当前选择移除路径,继续尝试其他选择。
- 调用主函数subsets:
- 清空当前路径path和结果集result。
- 调用回溯函数backtracking开始搜索所有可能的子集。
- 返回最终结果集result。
代码:
class Solution {
public:
vector<int> path; // 存储当前路径的数组
vector<vector<int>> result; // 存储所有子集的数组
// 回溯函数,startindex表示当前遍历的起始位置
void backtracking(vector<int>& nums, int startindex) {
result.push_back(path); // 将当前路径加入到结果集中
if (startindex >= nums.size()) {
return;
}
for (int i = startindex; i < nums.size(); i++) {
path.push_back(nums[i]); // 加入当前元素到路径中
backtracking(nums, i + 1); // 递归下一层
path.pop_back(); // 回溯,将当前元素从路径中移除
}
}
// 主函数,返回所有子集
vector<vector<int>> subsets(vector<int>& nums) {
path.clear(); // 清空当前路径
result.clear(); // 清空结果集
backtracking(nums, 0); // 调用回溯函数
return result; // 返回结果集
}
};
3子集 II
给你一个整数数组 nums
,其中可能包含重复元素,请你返回该数组所有可能的
子集
(幂集)。
解集 不能 包含重复的子集。返回的解集中,子集可以按 任意顺序 排列。
示例 1:
输入:nums = [1,2,2] 输出:[[],[1],[1,2],[1,2,2],[2],[2,2]]
示例 2:
输入:nums = [0] 输出:[[],[0]]
提示:
1 <= nums.length <= 10
-10 <= nums[i] <= 10
思路:
解题思路是使用回溯算法来搜索所有可能的子集,并且在处理重复元素时进行去重操作。具体步骤如下:
- 初始化空的路径path和结果集result。
- 创建一个辅助函数backtracking,用于回溯搜索所有可能的子集:
- 将当前路径path加入到结果集result中。
- 遍历数组nums,对每个元素进行选择和回溯:
- 如果当前元素与前一个元素相同且前一个元素未被使用过,则跳过,以去重。
- 将当前元素加入路径path,标记为已使用,并递归搜索下一层。
- 回溯,将当前元素标记为未使用,移除路径中的当前元素,继续遍历其他元素。
- 调用主函数subsetsWithDup:
- 清空当前路径path和结果集result。
- 对输入数组nums进行排序,为了去除重复元素。
- 调用回溯函数backtracking开始搜索所有可能的子集。
- 返回最终结果集result。
代码:
class Solution {
private:
vector<vector<int>> result; // 结果集
vector<int> path; // 当前路径
void backtracking(vector<int>& nums, int startIndex, vector<bool>& used) {
result.push_back(path); // 将当前路径加入结果集
for (int i = startIndex; i < nums.size(); i++) {
// 如果同一树层的相邻元素相同且前一个元素未被使用过,则跳过
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
continue;
}
path.push_back(nums[i]); // 选择当前元素加入路径
used[i] = true; // 标记当前元素为已使用
backtracking(nums, i + 1, used); // 递归下一层
used[i] = false; // 撤销选择
path.pop_back(); // 移除当前元素
}
}
public:
vector<vector<int>> subsetsWithDup(vector<int>& nums) {
result.clear(); // 清空结果集
path.clear(); // 清空当前路径
vector<bool> used(nums.size(), false); // 记录元素是否被使用过
sort(nums.begin(), nums.end()); // 先排序,去除重复元素
backtracking(nums, 0, used); // 调用回溯函数
return result; // 返回最终结果
}
};
4非递减子序列
给你一个整数数组 nums
,找出并返回所有该数组中不同的递增子序列,递增子序列中 至少有两个元素 。你可以按 任意顺序 返回答案。
数组中可能含有重复元素,如出现两个整数相等,也可以视作递增序列的一种特殊情况。
示例 1:
输入:nums = [4,6,7,7] 输出:[[4,6],[4,6,7],[4,6,7,7],[4,7],[4,7,7],[6,7],[6,7,7],[7,7]]
示例 2:
输入:nums = [4,4,3,2,1] 输出:[[4,4]]
提示:
1 <= nums.length <= 15
-100 <= nums[i] <= 100
思路:
该算法使用回溯方法搜索具有相同元素的递增子序列。
回溯过程中,根据当前情况选择是否将元素加入路径中,确保元素的使用不重复,并且保证路径中的元素是递增的。
如果路径长度大于等于2,则将路径加入到结果集中。
最终返回找到的所有不重复的递增子序列。
解题的详细步骤如下:
-
初始化路径和结果集: 我们首先创建一个空的路径
path
和一个空的结果集result
来存储找到的具有相同元素的递增子序列。 -
编写回溯函数: 我们编写一个回溯函数
backtrack
,用于搜索所有可能的子序列。在回溯函数中,我们需要考虑以下几点:- 如果当前路径长度大于等于2,表示找到一个符合条件的子序列,将其加入结果集中。
- 使用一个集合
used
来记录已经使用过的元素,防止重复使用。 - 遍历数组
nums
,对每个元素进行选择和回溯:- 如果当前元素已经在
used
中,则跳过该元素,保证不重复使用。 - 如果当前路径不为空,我们判断当前元素是否大于等于路径中的最后一个元素:
- 如果满足条件,则选择当前元素加入路径,标记为已使用,递归搜索下一层,然后撤销选择。
- 如果不满足条件,则跳过当前元素,寻找下一个可能的元素。
- 如果当前路径为空,则直接选择当前元素加入路径,标记为已使用,递归搜索下一层,然后撤销选择。
- 如果当前元素已经在
-
调用主函数: 在主函数
findSubsequences
中,我们对输入数组nums
进行初始化和调用回溯函数backtrack
开始搜索所有符合条件的递增子序列。最后返回最终结果集result
。
代码:
class Solution {
public:
vector<int> path; // 当前路径
vector<vector<int>> result; // 结果集
vector<vector<int>> findSubsequences(vector<int>& nums) {
backtrack(nums, 0); // 调用回溯函数
return result; // 返回最终结果
}
void backtrack(vector<int>& nums, int start) {
if (path.size() >= 2) { // 如果当前路径长度大于等于2,将其加入结果集
result.push_back(path);
}
unordered_set<int> used; // 记录已经用过的元素
for (int i = start; i < nums.size(); i++) {
if (used.find(nums[i]) != used.end()) { // 如果已经使用过当前元素,则跳过
continue;
}
if (path.size() > 0) { // 如果路径不为空
if (nums[i] >= path[path.size() - 1]) { // 当前元素大于等于路径最后一个元素
path.push_back(nums[i]); // 选择当前元素加入路径
used.insert(nums[i]); // 标记当前元素为已使用
backtrack(nums, i + 1); // 递归搜索下一层
path.pop_back(); // 撤销选择
} else {
continue; // 如果当前元素小于路径最后一个元素,跳过
}
} else {
path.push_back(nums[i]); // 如果路径为空,选择当前元素加入路径
used.insert(nums[i]); // 标记当前元素为已使用
backtrack(nums, i + 1); // 递归搜索下一层
path.pop_back(); // 撤销选择
}
}
}
};