回溯算法超详细讲解(附代码)

因为自己在学习回溯算法的时候一直不清楚回溯的具体过程, 可能是因为自己太笨,这个问题困扰了我好几天。回溯还是挺有用的,树的遍历,全排列问题都可以用回溯算法解。面试的时候好像也比较侧重回溯算法和动态规划。

回溯形象解释下:假设你要从你家去你女朋友家,没有导航,但是她告诉你了,从你家到她家要只需经过两个十字路口就可以,这个时候怎么办呢,只能是从第一个十字路口选择一个方向(A)然后一直走遇到第二个十字路口,然后你又随便选择了一个方向(a)走,过了一会你打电话告诉女朋友你走的那条路周围的环境,然后你女友告诉你:死鬼那条路不对,这个时候,只能回到第二个十字路口那选择(b,c,d)方向,不幸的是你一开始就选择错了十字路口,四条路试完,只能回到第一个十字路口,再次选择,最后,你把第一个十字路口的四个方向都试完,你一定能到女友家,然后一顿云雨,正当你大汗淋淋的时候戛然而止,你说:妈的,我还有一道回溯算法的题没做,回去做了。卒

玩笑归玩笑,拿个具体的例子说明一下。

这道题来源于leetcode

class Solution {
public:
    vector<vector<int>> subsets(vector<int>& nums) {
        vector<vector<int> > res;
        vector<int> tmp;
        helper(res,tmp,nums,0);
        return res;
    }
    void helper(vector<vector<int> >& res,vector<int> &tmp,vector<int>& nums,int level){
        if(tmp.size()<=nums.size()){
            res.push_back(tmp);
        }
        for(int i=level;i<nums.size();i++){
            tmp.push_back(nums[i]);
            helper(res,tmp,nums,i+1);
        }
             tmp.pop_back();
    }
};

注:tmp一开始为[] ,在后面写的时候不再说写入tmp和res。

a):i=0 开始 递归回溯 ,此时tmp里面有[1] 进入helper后 res里面有 [1] 

b)i+1 变为1 注意这个i+1并不是for循环里面的i++,而是你递归里面的i+1。这是理解回溯算法的关键,因为不是for循环里面的i+1,所以for循环里面还有i=1,i=2没用,相当于十字路口的其他方向,回溯是回到这里,tmp变为[1,2],res里面有[1][1,2]。

c)i+1 tmp:[1,2,3];res:[1][1,2][1,2,3];此时发现i=4不满足for循环的条件,执行tmp.pop_back()tmp为空。这个时候要回溯了,因为已经走到路的尽头了,回到最近的那个地方也就是b),此时我们发现2那个方向已经走过了所以不再走,换另一个方向,即for循环中的i+1。也就是说tmp不再插入2了,插入3变为[1,3]。然后又满足for循环了,执行tmp.pop_back()tmp为空。此时  b)试完了,一共两个方向,即i=1和i=2.然后回到  a) tmp :[2] res:[1][1,2][1,2,3],[1,3] [2]。以此类推,应该是可以明白了,到这里。

 

 

  • 6
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当谈到动态规划算法回溯算法和贪心算法时,它们都是解决优化问题的经典算法。下面我会对每个算法进行详细讲解: 1. 动态规划算法(Dynamic Programming): 动态规划算法通常用于解决具有重叠子问题和最优子结构性质的问题。它通过将问题分解为子问题,并利用子问题的解来构建更大规模的问题的解。动态规划算法通常使用一个表格或数组来存储中间结果,避免重复计算。其基本思想是通过保存并重复使用子问题的解来减少计算量。 2. 回溯算法(Backtracking): 回溯算法是一种通过试错的搜索方法,用于求解满足一定条件的所有可能的解。回溯算法通过尝试每一种可能的选择并在达到不可行解时进行回溯,即返回上一层并尝试其他选择。回溯算法通常使用递归来实现,它能够穷尽所有可能的解空间,并找到满足条件的解。 3. 贪心算法(Greedy Algorithm): 贪心算法是一种通过每一步的局部最优选择来构建整体最优解的算法。贪心算法在每个步骤上都选择当前最优的解,而不考虑整体未来的结果。它通常不会回溯或重新评估之前的选择。贪心算法适用于一些特定类型的问题,如最小生成树、最短路径等,但并不适用于所有问题。 这三种算法各有优势和局限性,选择哪种算法取决于问题的性质和要求。动态规划算法通常适用于具有重叠子问题和最优子结构的问题,回溯算法适用于穷尽搜索所有可能解的问题,而贪心算法适用于局部最优解构成整体最优解的问题。在选择算法时,需要根据问题的特点和约束进行综合考虑。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值