题目描述
原题链接:216.组合总和III
解题思路
整体回溯法思路类似于 77. 组合(回溯法+剪枝优化),与之不同的是,需要多一个相加和为n
的判定条件,可以让每次传入数的时候进行n - i
,直至找到n == 0
时,再将结果压入结果集中。
一、回溯法
class Solution {
public:
vector<vector<int>> res;
void backtracking(int k, int n, int startIndex, vector<int> path) {
if(path.size() == k) {
if(n == 0) {
res.push_back(path);
}
return ;
}
for(int i = startIndex; i <= 9; i++) {
path.push_back(i);
backtracking(k, n - i, i + 1, path);
path.pop_back();
}
}
vector<vector<int>> combinationSum3(int k, int n) {
vector<int> path;
backtracking(k, n, 1, path);
return res;
}
};
Python
class Solution:
def __init__(self):
self.res = []
self.path = []
def backtracking(self, k, n, startIndex):
if n < 0:
return
elif len(self.path) == k and n == 0:
self.res.append(self.path[:])
return
for i in range(startIndex, 10):
self.path.append(i)
self.backtracking(k, n - i, i + 1)
self.path.pop()
def combinationSum3(self, k: int, n: int) -> List[List[int]]:
self.backtracking(k, n, 1)
return self.res
二、剪枝优化
可利用从小到大的顺序遍历、startIndex控制遍历下界、n - (k - path.size())控制遍历上界,从而实现剪枝的过程。
其中,path.size():表示当前已存入的数,k - path.size():表示当前还可以再存几个数,n - (k - path.size()) + 1:表示当前最大的遍历起始位置。
class Solution {
public:
vector<vector<int>> res;
void backtracking(int k, int n, int startIndex, vector<int> path) {
if(path.size() == k) {
if(n == 0) {
res.push_back(path);
}
return ;
}
// 当startIndex控制遍历下界,9 - (k - path.size()) + 1控制遍历上界
for(int i = startIndex; i <= 9 - (k - path.size()) + 1; i++) {
path.push_back(i);
// n - i < 0说明当前以及后面的数都不会满足要求,直接返回即可
if(n - i < 0) return ;
backtracking(k, n - i, i + 1, path);
path.pop_back();
}
}
vector<vector<int>> combinationSum3(int k, int n) {
vector<int> path;
backtracking(k, n, 1, path);
return res;
}
};
Python
class Solution:
def __init__(self):
self.res = []
self.path = []
def backtracking(self, k, n, startIndex):
if n < 0:
return
elif len(self.path) == k and n == 0:
self.res.append(self.path[:])
return
for i in range(startIndex, 10 - (k - len(self.path)) + 1):
self.path.append(i)
self.backtracking(k, n - i, i + 1)
self.path.pop()
def combinationSum3(self, k: int, n: int) -> List[List[int]]:
self.backtracking(k, n, 1)
return self.res