一、回溯
1.1 使用场景
需多维的暴力枚举,虽没有确切的递归层数的情况,但处理逻辑类似。
(我在之前的文章中说过:递归和回溯本就是不分离的,有递归的地方就有回溯,递归是往下,往下碰到终止条件之后就会开始回溯)
1.2 原理
用 for 语句完成横向遍历,用递归语句完成纵向遍历,在递归后的回溯过程中进行一定的操作
图片来自:代码随想录
1.3 代码模板
此处的递归是否返回值:一般不需要,因为往往需遍历整个过程
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
}
}
二、组合
2.1 题目
给定两个整数 n
和 k
,返回范围 [1, n]
中所有可能的 k
个数的组合。你可以按 任何顺序 返回答案。
示例 1:
输入:n = 4, k = 2 输出: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ]
示例 2:
输入:n = 1, k = 1 输出:[[1]]
提示:shi
1 <= n <= 20
1 <= k <= n
2.2 题目链接
2.3 解题思路和过程想法
(1)解题思路
这道题是典型的“需多维的暴力枚举,虽没有确切的递归层数的情况,但处理逻辑类似”,考虑使用回溯法。
# 终止条件:找到符合条件的结果,并将其追加至最终结果中
# 处理逻辑:for---横向遍历(遍历数组中所有的数字),递归---纵向遍历(遍历数组中剩下的数字,直到满足条件)
# 递归函数的传入参数:需处理的开始位置 startIndex、基础参数 n 和 k、全局变量或向量类型的变量——本轮递归已遍历的路径 path 、最终的结果向量 res
(2)过程想法
刚开始正式接触回溯,但在之前有在二叉树中运用一定的回溯,所以也不算特别陌生,在直到处理逻辑后,上手的困难度不高。
2.4 代码
2.4.1 回溯+未剪枝
class Solution:
def backStacking(self,n,k,startIndex):
# 终止条件:找到符合条件的结果,并将其追加至最终结果中
if len(self.path) == k:
self.res.append(self.path[:])
return
# 处理逻辑:for---横向处理,递归---纵向处理
for i in range(startIndex,n+1):
self.path.append(i) # 增加已遍历路径
self.backStacking(n,k,i+1) # 递归
self.path.pop() # 回溯时弹出
def combine(self, n: int, k: int) -> List[List[int]]:
# 利用递归来实现 k 层的遍历,需理解它的处理逻辑:for---横向处理,递归---纵向处理
# 存放符合条件的结果
self.path = []
# 存放结果的二维数组
self.res = []
self.backStacking(n,k,1)
return self.res
2.4.2 回溯+剪枝
class Solution:
def backStacking(self,n,k,startIndex,path,res):
# 终止条件:找到符合条件的结果,并将其追加至最终结果中
if len(path) == k:
res.append(path[:])
return
# 处理逻辑:for---横向处理,递归---纵向处理
# 剪枝:若剩下的元素不足 k ,则不必继续循环
# 已选:len(path) 还需:k-len(path)
# i = n - (k-len(path)) +1 还需加一,因为左闭右开
# 截止位置 i= n - (k-len(path)) +2
for i in range(startIndex,n-k+len(path)+2):
path.append(i) # 增加已遍历路径
self.backStacking(n,k,i+1,path,res) # 递归
path.pop() # 回溯时弹出
def combine(self, n: int, k: int) -> List[List[int]]:
# 利用递归来实现 k 层的遍历,需理解它的处理逻辑:for---横向处理,递归---纵向处理
# 存放结果的二维数组
res = []
self.backStacking(n,k,1,[],res)
return res