回溯算法理论基础
回溯法的效率
因为回溯的本质是穷举,穷举所有可能,然后选出我们想要的答案,所以回溯法并不是什么高效的算法。
回溯法解决的问题
- 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
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,都构成的树的深度。
回溯法模板
- 回溯函数模板返回值以及参数
void backtracking(参数)
- 回溯函数终止条件
一般来说搜到叶子节点了,也就找到了满足条件的一条答案,把这个答案存放起来,并结束本层递归。
if (终止条件) {
存放结果;
return;
}
- 回溯搜索的遍历过程
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
}
for循环可以理解是横向遍历,backtracking(递归)就是纵向遍历
回溯算法模板框架如下:
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
}
}
77. 组合
思路
- 每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围。
- n相当于树的宽度,k相当于树的深度
- 递归函数的返回值以及参数
vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件单一结果
void backtracking(int n, int k, int startIndex) //startIndex搜索的起始位置
- 回溯函数终止条件
if (path.size() == k) {
result.push_back(path);
return;
}
- 单层递归的逻辑:for循环每次从startIndex开始遍历,然后用path保存取到的节点i。
代码
class Solution {
public:
vector<int> path;
vector<vector<int>> res;
void backtracking(int n,int k,int startIndex){
if(path.size()==k){
res.push_back(path);
return;
}
for(int i=startIndex;i<=n;i++){
path.push_back(i);
backtracking(n,k,i+1);
path.pop_back();
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n,k,1);
return res;
}
};
剪枝优化
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(因为包括起始位置)
class Solution {
public:
vector<int> path;
vector<vector<int>> res;
void backtracking(int n,int k,int startIndex){
if(path.size()==k){
res.push_back(path);
return;
}
for(int i=startIndex;i<=n-(k-path.size())+1;i++){
path.push_back(i);
backtracking(n,k,i+1);
path.pop_back();
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n,k,1);
return res;
}
};
path.pop_back();
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n,k,1);
return res;
}
};