DFS算法系列-回溯
1. 算法介绍
回溯算法是一种经典的递归算法
,通常被用来解决排列问题、组合问题和搜索问题
基本思想
从一个初始状态开始,按一定的规则向前搜索,当搜索遇到瓶颈无法再前进时,回到当前状态的上一个状态,按照新的要求/条件继续向前搜索,直至所有可用条件都遍历完成。
简单的说就是:不撞南墙不回头
对于回溯算法,其核心就在于不断的"试错",若选择正确则继续往下搜索,否则就"回头"选择另一个选项继续往下搜索。
下面提供一个回溯算法的模板(模板只是对算法理解的总结概况,相较于没有思考的套模板,理解其中的算法思想更加重要–>通过做题积累)
List<List<Integer>> ret;
List<Integer> path;
void dfs(int[] nums, ...) {
// 满⾜结束条件
if (/* 满⾜结束条件 */) {
// 将路径添加到结果集中
ret.add(new ArrayList<>(path));
return;
}
// 遍历所有选择
for (int i = 0;i < nums.size();i++) {
// 做出选择
path.add(nums[i]);
// 做出当前选择后继续搜索
dfs(path, nums);
// 恢复现场
path.remove(path.size() - 1);
}
}
其中path
用来记录每次选择后改变的路径,nums[i]
表示当前做出的选择,并且在当前选择满足递归结束条件后,将当前路径添加到结果集中,结束当前层递归并恢复现场,即恢复刚刚完成修改的路径到上一个状态,才能继续处理当前层的另一个选择,如下图所示:
了解完回溯算法,我们来做一些相关的算法题加深印象!
2. 算法应用
对于回溯(以及DFS相关的题),建议的解题步骤:
- 先画决策树;
- 根据决策树编写函数体,可设置
全局变量
、添加剪枝
提高效率; - 找到递归出口
2.1 全排列
题目链接:[全排列]
决策树:
代码示例
class Solution {
List<List<Integer>> ret;
List<Integer> path;
boolean[] check;
public List<List<Integer>> permute(int[] nums) {
ret = new ArrayList<>();
path = new ArrayList<>();
check = new boolean[nums.length];
dfs(nums);
return ret;
}
void dfs(int[] nums) {
if (path.size() == nums.length) {
ret.add(new ArrayList(path));
return;
}
for (int i = 0;i < nums.length;i++) { // 这里让i=0,使下一层选项依旧为所有情况(1,2,3,4)
if (!check[i]) { // check数组用来记录当前数字是否被使用
check[i] = true;
path.add(nums[i]); // 将数字添加到路径中
dfs(nums);
check[i] = false;
path.remove(path.size() - 1);
}
}
}
}
2.2 组合
题目链接:[组合]
决策树:
代码示例
class Solution {
List<List<Integer>> ret;
List<Integer> path;
boolean[] check;
int len;
int pre;
public List<List<Integer>> combine(int n, int k) {
ret = new ArrayList<>();
path = new ArrayList<>();
check = new boolean[n + 1];
len = k;
int[] nums = new int[n + 1];
for (int i = 1;i <= n;i++) {
nums[i] = i;
}
dfs(nums, 1);
return ret;
}
public void dfs(int[] nums, int pos) {
if (path.size() == len) { // 当路径长度和要求的组合数相等时返回
ret.add(new ArrayList<>(path));
return;
}
for (int i = pos;i <= nums.length - 1;i++) { // 这里让i=pos,使下一层选项不会出现当前数字,并且下层选项从pos+1开始
if (!check[i]) {
path.add(nums[i]);
check[i] = true;
dfs(nums, i + 1);
path.remove(path.size() - 1);
check[i] = false;
}
}
}
}
注:这里让i=pos,使下一层选项不会出现当前数字,并且下层选项从pos+1开始;若为i = 0,则使下一层选项依旧为所有情况(1,2,3):
2.3 子集
题目链接:[子集]
决策树:
代码示例
class Solution {
static List<List<Integer>> ret;
static List<Integer> path;
public List<List<Integer>> subsets(int[] nums) {
ret = new ArrayList<>();
path = new ArrayList<>();
dfs(nums, 0);
return ret;
}
public void dfs(int[] nums, int cur) {
ret.add(new ArrayList<>(path)); // 此处不设出口目的是将每个节点路径都添加到ret中
for (int i = cur;i < nums.length;i++) { // 这里让i=cur,使下一层选项不会出现当前数字,并且下层选项从cur+1开始
path.add(nums[i]);
dfs(nums, i + 1);
path.remove(path.size() - 1);
}
}
}
3. 总结
总的来说,回溯就是不断的"试错"并回头进行新的选择,和回溯相关的题就要把决策树画出来,通过它来找到我们的递归出口并编写函数体(注意for循环中起始标的使用),注意记得恢复现场哦!