什么是回溯?
回溯算法是一种基于试错思想的搜索算法,主要用于解决约束满足问题(Constraint Satisfaction Problems, CSPs),例如排列组合问题、迷宫求解、八皇后问题、数独游戏等。它的基本思路是从问题的根节点出发,尝试每一种可能性分支,直到找到解决方案为止;若某一路径不可行,则撤销选择,返回上一层次继续探索未遍历过的分支,这一过程称为“回溯”。
回溯算法的基本步骤如下:
递归探索: 从起始点开始,沿着一棵潜在的解树向下探索,尝试构建一个完整的解。
可行性判断: 在每一个决策点,检查当前的选择是否满足问题的约束条件。如果不满足,则立即放弃这条路径,转而去探索另一条路径。
回退: 当到达叶子节点或发现当前路径无法产生有效解时,算法会撤销最近做出的选择,回到上一层决策点,尝试其他的选项。
终止条件: 当找到一个满足所有约束条件的完整解时,根据问题的需求决定是否停止搜索或是继续寻找所有可能的解。
回溯算法的特点:
全面性:能穷尽所有可能的解,适用于需要找到所有解或最优解的问题场景。
灵活性:可以通过调整剪枝策略来优化搜索效率,避免不必要的计算。
复杂度:时间复杂度较高,特别是在没有良好剪枝的情况下,可能需要指数级别的计算量。
用回溯解决leetcode热题
1、力扣46.全排列
题目描述: 给定一个不含重复数字的数组 nums ,返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。
示例 1: 输入:nums = [1,2,3] 输出:[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
示例 2: 输入:nums = [0,1] 输出:[[0,1],[1,0]]
示例 3: 输入:nums = [1] 输出:[[1]]提示:
1 <= nums.length <= 6
-10 <= nums[i] <= 10 nums 中的所有整数 互不相同
题解思路:
全排列问题,很明显的思路就是把所有的结果全部穷举出来。
这个问题可以看作有 n 个排列成一行的空格,然后我们从左往右依此填入题目给定的 n 个数,每个数只能使用一次。思路很简单,但很多同学可能确无法下笔完成这个程序。普通的迭代方法很难完成,但是学会了回溯的思路,还是比较简单的,下面我们看题解。
按照上面的回溯算法的思路,我们需要使用递归,并找到递归的终止条件,在递归的方法中判断可行性并进行回溯,完成全排列。代码如下
class Solution {
public List<List<Integer>> permute(int[] nums) {
List<List<Integer>> res = new ArrayList<>(); // 定义结果集
backtrack(nums, res, new ArrayList<>()); // 递归
return res;
}
// 回溯
public void backtrack(int[] nums, List<List<Integer>> res, List<Integer> list) {
if (list.size() == nums.length) { // 递归终止条件,list是一次结果,当list的size和nums的length相同时,说明可以将一次的结果放入结果集中了
res.add(new ArrayList<>(list));
return;
}
for (int i = 0; i < nums.length; i++) { // 循环数组,尝试将数组的项放入结果中
if (list.contains(nums[i])) {
continue;
}
list.add(nums[i]); // 加入list
backtrack(nums, res, list); // 递归
list.remove(list.size() - 1); // 回溯,尝试后将本位置放置的内容删除,循环尝试所有值
}
}
}
2、力扣78.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
题解思路:
回溯算法也常用于在求子集中,求子集的思路可以先定义子集的长度1-n,然后穷举出每个长度的不同子集,使用数组中的项对子集进行填充
同样的回溯算法的思路,我们需要使用递归,并找到递归的终止条件,在递归的方法中判断可行性并进行回溯,完成求子集。代码如下
class Solution {
public List<List<Integer>> subsets(int[] nums) {
List<List<Integer>> res = new ArrayList<>(); // 结果集
backtrack(nums, 0, new ArrayList<>(), res); // 递归
return res;
}
public void backtrack(int[] nums, int start, List<Integer> list, List<List<Integer>> res) {
if (start == nums.length) { // 当长度等于数据长度了就结束递归
res.add(new ArrayList<>(list));
return;
}
list.add(nums[start]); // 加入list
backtrack(nums, start + 1, list, res); // 递归
list.remove(list.size() - 1); //回溯
backtrack(nums, start + 1, list, res); // 子集长度+1进行递归
}
}
3、力扣39.组合总合
给你一个 无重复元素 的整数数组 candidates 和一个目标整数 target ,找出 candidates 中可以使数字和为目标数
target 的 所有 不同组合 ,并以列表形式返回。你可以按 任意顺序 返回这些组合。candidates 中的 同一个 数字可以 无限制重复被选取 。如果至少一个数字的被选数量不同,则两种组合是不同的。
对于给定的输入,保证和为 target 的不同组合数少于 150 个。
> 示例 1:
输入:candidates = [2,3,6,7], target = 7 输出:[[2,2,3],[7]] 解释: 2 和 3
可以形成一组候选,2 + 2 + 3 = 7 。注意 2 可以使用多次。 7 也是一个候选, 7 = 7 。 仅有这两种组合。
> 示例 2:
输入: candidates = [2,3,5], target = 8 输出: [[2,2,2,2],[2,3,3],[3,5]]
> 示例3:
输入: candidates = [2], target = 1 输出: []
提示:
1 <= candidates.length <= 30 2 <= candidates[i] <= 40 candidates 的所有元素
互不相同 1 <= target <= 40
题解思路:
本题可以看作是求子集的一个变化,当你会解全排列这题也是可以解出来的,只要找到所有排列中子集的和为target的结果保存即可。
同样的回溯算法的思路,我们需要使用递归,并找到递归的终止条件,在递归的方法中判断可行性并进行回溯,完成求子集并找到子集和为target的子集。代码如下
class Solution {
public List<List<Integer>> combinationSum(int[] candidates, int target) {
List<List<Integer>> res = new ArrayList<>();
Arrays.sort(candidates); // 对数组排序,可以减少复杂度
backtrack(res, target, candidates, 0, new ArrayList<>()); // 递归
return res;
}
public void backtrack(List<List<Integer>> res, int target, int[] candidates, int start, List<Integer> list) {
int sum = list.stream().mapToInt(Integer::intValue).sum(); // 对list求和
if ( sum == target) { // 和为target,则保存这个结果
res.add(new ArrayList<>(list));
return;
}
if (sum > target) { // 剪枝
return;
}
for (int i = start; i < candidates.length; i++) { // 遍历数组
list.add(candidates[i]); // 加入list
backtrack(res, target, candidates, i, list); //递归
list.remove(list.size() - 1); //回溯
}
}
}
总结
总的来说,回溯算法是一种强大的工具,尤其适用于解决那些解空间大、约束复杂的离散优化问题。