93.复原IP地址本期本来是很有难度的,不过 大家做完 分割回文串 之后,本题就容易很多了
题目链接/文章讲解:代码随想录
我的问题:
- pointSum错写在了单层递归的逻辑里,应该要在终止条件中。
- 将"."简单地在加path的时候加入,导致最终有4个,然后删去最后一个;不需要path,直接在原始字符串s上添加".",实现分割;在单层递归中通过加入"."实现路径的更新,回溯时就移除这个"."
- 判断字符串s在左闭右开区间[start, end)所组成的数字是否合法写的有问题,没有排查所有可能情况
判断子串是否合法
最后就是在写一个判断段位是否是有效段位了。
主要考虑到如下三点:
- 段位以0为开头的数字不合法
- 段位里有非正整数字符不合法
- 段位如果大于255了不合法
class Solution {
List<String> result = new ArrayList<>();
public List<String> restoreIpAddresses(String s) {
if (s.length() > 12) return result; // 算是剪枝了
backtracking(s, 0, 0);
return result;
}
// startIndex: 搜索的起始位置, pointNum:添加逗点的数量
public void backtracking(String s, int startIndex, int pointSum){
if(pointSum == 3) {// 逗点数量为3时,分隔结束
// 判断第四段⼦字符串是否合法,如果合法就放进result中
if (isIPNum(s, startIndex, s.length())){
result.add(s);
}
return;
}
for (int i = startIndex; i < s.length(); i++) {
if (isIPNum(s,startIndex,i + 1)){
s = s.substring(0, i + 1) + "." + s.substring(i + 1); //在str的后⾯插⼊⼀个逗点
pointSum++;
}else {
continue;
}
backtracking(s, i + 2, pointSum);// 插⼊逗点之后下⼀个⼦串的起始位置为i+2
s = s.substring(0, i + 1) + s.substring(i + 2);// 回溯删掉逗点
pointSum--;// 回溯
}
}
// 判断字符串s在左闭右开区间[start, end)所组成的数字是否合法
private boolean isIPNum(String s, int start, int end){
String str = s.substring(start, end);
if (start >= end) {
return false;
}
if (s.charAt(start) == '0' && start != (end - 1)) { // 0开头的数字不合法
return false;
}
int num = 0;
for (int i = start; i < end; i++) {
if (s.charAt(i) > '9' || s.charAt(i) < '0') { // 遇到⾮数字字符不合法
return false;
}
num = num * 10 + (s.charAt(i) - '0');
if (num > 255) { // 如果⼤于255了不合法
return false;
}
}
return true;
}
}
78.子集子集问题,就是收集树形结构中,每一个节点的结果。 整体代码其实和 回溯模板都是差不多的。
题目链接/文章讲解:代码随想录
我的问题:收获结果result放在了for循环中;应该放在递归函数最开头,终止条件的上面(获取最后一个元素时,结果不会被省略),进入一层递归,就要把当前递归层的path放进结果集中
如果把 子集问题、组合问题、分割问题都抽象为一棵树的话,那么组合问题和分割问题都是收集树的叶子节点,而子集问题是找树的所有节点,每个节点都是想要的结果,遍历每层递归,都把结果放进结果集!
其实子集也是一种组合问题,因为它的集合是无序的,子集{1,2} 和 子集{2,1}是一样的。
那么既然是无序,取过的元素不会重复取,写回溯算法的时候,for就要从startIndex开始,而不是从0开始!
子集问题很简单,其实这就是一道标准的模板题。
但是要清楚子集问题和组合问题、分割问题的的区别,子集是收集树形结构中树的所有节点的结果。
而组合问题、分割问题是收集树形结构中叶子节点的结果。
class Solution {
List<List<Integer>> result = new ArrayList<>();
List<Integer> path = new ArrayList<>();
public List<List<Integer>> subsets(int[] nums) {
backtracking(nums, 0);
return result;
}
public void backtracking(int[] nums, int startIndex){
result.add(new ArrayList<>(path));// 收集子集,要放在终止添加的上面,否则会漏掉自己
if(startIndex >= nums.length) return;//剩余集合为空的时候,就是叶子节点。 终止条件可以不加
for (int i = startIndex; i < nums.length; i++) {
path.add(nums[i]);// 子集收集元素
backtracking(nums, i + 1);// 注意从i+1开始,元素不重复取
path.remove(path.size() - 1);// 回溯
}
}
}
90.子集II大家之前做了 40.组合总和II 和 78.子集 ,本题就是这两道题目的结合,建议自己独立做一做,本题涉及的知识,之前都讲过,没有新内容。
题目链接/文章讲解:代码随想录
记得去重问题要先排序数组
同一树层上重复取2 就要过滤掉,同一树枝上就可以重复取2,因为同一树枝上元素的集合才是唯一子集!
class Solution {
List<List<Integer>> result = new ArrayList<>();// 存放符合条件结果的集合
List<Integer> path = new ArrayList<>();// 用来存放符合条件结果
boolean[] used;
public List<List<Integer>> subsetsWithDup(int[] nums) {
used = new boolean[nums.length];
Arrays.sort(nums);// 去重需要排序
backtracking(nums, 0);
return result;
}
public void backtracking(int[] nums, int startIndex){
result.add(new ArrayList<>(path));
if (startIndex >= nums.length) return;
for (int i = startIndex; i < nums.length; i++) {
// 跳过当前树层使用过的、相同的元素
if(i >= 1 && nums[i] == nums[i-1] && used[i-1] == false) continue;
used[i] = true;
path.add(nums[i]);
backtracking(nums, i + 1);
path.remove(path.size() - 1);
used[i] = false;
}
}
}
本题也可以不使用used数组来去重,因为递归的时候下一个startIndex是i+1而不是0。
如果要是全排列的话,每次要从0开始遍历,为了跳过已入栈的元素,需要使用used。
class Solution {
List<List<Integer>> result = new ArrayList<>();// 存放符合条件结果的集合
List<Integer> path = new ArrayList<>();// 用来存放符合条件结果
public List<List<Integer>> subsetsWithDup(int[] nums) {
Arrays.sort(nums);// 去重需要排序
backtracking(nums, 0);
return result;
}
public void backtracking(int[] nums, int startIndex){
result.add(new ArrayList<>(path));
if (startIndex >= nums.length) return;
for (int i = startIndex; i < nums.length; i++) {
// 跳过当前树层使用过的、相同的元素
if(i > startIndex && nums[i] == nums[i-1]) continue;// 注意这里使用i > startIndex
path.add(nums[i]);
backtracking(nums, i + 1);
path.remove(path.size() - 1);
}
}
}