回溯算法
1.回溯的方法
回溯是递归的副产品,只要有递归就会有回溯。回溯函数也就是递归函数,指的都是一个函数。
回溯解决的问题
回溯法,一般可以解决如下几种问题:
- 组合问题:N个数里面按一定规则找出k个数的集合(无顺序要求,即21和12视为同一个)
- 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(有顺序要求,即21和12视为不同)
- 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,所有回溯法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。
递归就要有终止条件,所以必然是一棵高度有限的树(N叉树)。
回溯的图解步骤
关键点:
- for循环可以理解是横向遍历,backtracking(递归)就是纵向遍历
- 一般没有返回值(void)
回溯算法模板
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
}
}
组合
力扣连接:77. 组合(中等)
1.回溯的方法
回溯图解步骤
优化剪枝
剪枝优化
接下来看一下优化过程如下:
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
为什么有个 +1 呢,因为包括起始位置,我们要是一个左闭的集合。
举个例子,n = 4,k = 3, 目前已经选取的元素为0(path.size为0),n - (k - 0) + 1 即 4 - ( 3 - 0) + 1 = 2。
从2开始搜索都是合理的,可以是组合[2, 3, 4]。
关键点:
- 剪枝一般都对 for 中 i 做文章
剪纸+回溯代码
class Solution {
List<List<Integer>> result = new ArrayList<>();
LinkedList<Integer> tmp = new LinkedList<>();
public List<List<Integer>> combine(int n, int k) {
backtracking(n, k, 1);
return result;
}
void backtracking(int n, int k, int index){
if(tmp.size()==k){
result.add(new ArrayList<>(tmp));
return;
}
// n-(k-tmp.size())+1 替换掉原来的 n。即做了剪枝
for(int i=index; i<= n-(k-tmp.size())+1; i++){
tmp.add(i);
backtracking(n, k, i+1);
tmp.removeLast();
}
}
}