本文链接：https://blog.csdn.net/qq_43332536/article/details/126393789

17.电话号码的字母组合

22.括号生成

做法：dfs + 剪枝。剪枝的做法是判断当前字符串中左右括号的个数

37.解数独

做法：dfs。对于dfs类型的题目：我们只需要把要处理的最小单元的处理逻辑写出来就好了，而不需要考虑下一个点是否符合我们继续dfs的条件

39.组合总和

方法：回溯 + 剪枝。剪枝很重要！！！如果遇到与我们想得到的结果不符合的，我们在本次搜索中就砍掉它，是为剪枝！！！具体怎么回溯，自己想。
当然这道题目也可以使用动态规划，关于这个方法我理解得不深，需要加强理解。

40.组合总和II

方法1：动态规划。该问题实际上是一个01背包问题，可以使用01背包问题模板求解。
方法2：回溯+剪枝！！！这里的难点在于去重。可惜这种方法我不理解。

46.全排列

方法：dfs，然后就没什么好说的了，毕竟基础题目。

47.全排列II

方法：dfs
注意事项：给定的序列中包含重复数字，因此我们要防止重复排列出现。关键点在于我们如何处理相同数字。一种有效的做法是保证相同数字的相对次序保持不变。具体而言，在使用当前数字时，我们要考虑在它之前的且与它相同的数字是否被使用过，如果否，跳过本次循环；如果之前与它相同的数字被使用过，我们就使用该数字。

51.N皇后
 77.组合

对全排列的代码进行了一丢丢改进。

观察组合[1,2][1,3][1,4][2,3][2,4]…… 不难发现：

放置数字1后，就不再考虑数字1
放置数字2后，就不考虑数字1和数字2
放置数字3后，就不考虑数字1、数字2和数字3 ……
依次类推，放置数值k后，就不考虑包括k之前的全部数字。

因此，我们在进行dfs的时候，需要传入一个记录当前放置数字的变量num。
在dfs循环体内部，循环不是从1开始(与全排列的不同)，而是从num + 1开始。

对了，还有一点很重要：记得剪枝啊！！！剪枝可以提高时间复杂度和空间复杂度。

78.子集

方法：和组合的方法完全一样。不过我认为官方题解的第二个解决方法特别巧妙。

79.单词搜索

方法：dfs。
看到搜索，就应该立马想到深度优先搜索(dfs)和广度优先搜索(bfs)。
广度优先搜索的不足：最开始使用的是bfs，但是bfs有一个问题：bfs使用一个状态数组指示当前元素是否被访问过，由于不能重复修改状态数组st[i][j]，因此它不能遍历所有可能的路径。
但是dfs就没有这个问题，因此它可以用来解决这个问题。

90.子集II

方法：这道题目的去重和组合总和II完全相同。经过这道题目，我理解了组合总和II的去重。
把相同的数字放在一起处理。比如数组[0,1,2,2,2,3,4,5],该数组中有3个3，那么我们在循环的时候考虑

不放3
放一个3
放两个3
放三个3

无论放几个3，下一步递归的数组下标总是5。

93.复原IP地址

方法：每次递归有三种分隔方法：

分隔一个数字
分隔两个数字
分隔三个数字

当然我们必须判断

是否可以分隔两个数字和三个数字
分隔出来的数字是否有效

95.不同的二叉搜索树II

方法：自下而上回溯，类似于归并排序。
最开始我使用的是自上而下的回溯。在整个过程中，发现递归终止条件难以判断，一时间陷入思维困境中。后来看了题解，才知道这道题目自上而下回溯是行不通的。

131.分割回文串

方法：每次递归枚举回文串的长度：

假设我们搜索到字符串的第i个字符，且s[0 : i - 1]的所有字符都已经分割成若干个回文串，并且分割结果放入答案数组ans中。
接下来我们从第i个字符字符开始，枚举回文串的长度，判断s.substr(i,len)是否是回文串。
如果是，递归
否则，递增回文串长度，重复上述步骤

优化：记忆化搜索或者动态规划预处理

133.克隆图

相当nice的题目，值得一看

140.单词拆分

看到字符串的长度很小，而且要求所有可能的句子，我的第一反应的深度优先遍历dfs。具体步骤如下：

对字符串 $s$ 进行预处理。定义一个二维数组st，st[i][j]表示字符串s[i : j]是否是字符串列表中的单词。注意：与上一题不同，这里预处理是判断s[i : j]是否是字符串列表中的单词，而不是判断s[i : j]是否由字符串列表中的单词拼接而成。
dfs。

200.岛屿数量

第一次做的时候开了一个状态数组，用它表示当前陆地是否访问过
第二次做的时候直接在原地修改，即若当前陆地访问过，则grid[x][y] = '0'，极大地提高了程序的运行速度。

216.组合总和III

每一个数字都有使用或不使用两种选择。

241.为运算表达式设计优先级

方法：区间DP / DFS + 分治(类似于归并排序)

以表达式a + b * c - d * f为例，以任意一个运算符对其进行划分。对于第一个运算符+，整体表达式的值等于+左边表达式的值和右边表达式值的和。因此，只要递归计算每一个运算符左右两边式子的所有可能结果，即可得到整个表达式所有可能的结果。

若划分的区间里不存在运算符，则搜索结果是运算数本身。

301.删除无效的括号

题目分析
题目要求输出的字符串是有效字符串，且相比于原字符串，删除的括号个数最少。如果把删除的括号最少的个数预处理出来，那么问题转换为在给定删除括号个数的情况下，求解所有有效的且不重复的字符串。

思路和算法

预处理删除括号个数的最小值。用变量cnt统计删除括号个数的最小值，具体步骤如下：
数据结构：栈
遍历字符串，遇到左括号入栈；遇到右括号，如果栈不为空，则出栈，否则说明该右括号是无效括号，cnt加1
结束遍历后，如果栈不空，意味着栈中的左括号全是无效括号，更新cnt为cnt = cnt + stk.size()

回溯 + 剪枝。具体做法如下：
数据结构：栈
对于搜索到的字符s[i]，有三种情况：
左括号。有两种选择：删或不删。
右括号。有两种选择，删或不删。
普通字符。直接添加。

使用上述方法得到的结果可能会有重复，因此可采用set去重，最后把set里的结果搬移到vector里。

306.累加数

回溯 + 大数加法

329.矩阵中的最长递增子路径

记忆化搜索

394.字符串解码

403.青蛙过河

想到了深度优先遍历，没有想到记忆化搜索。
想到了从深度优先遍历推导动态规划，然后什么也没想出来。

显而易见，这道题应该使用dfs来完成。但是题目所给的数据量比较大，因此使用dfs会超时。面对这种情况，一般而言有两种做法：

记忆化搜索
改dfs为动态规划

记忆化搜索

记忆化搜索的关键在于标识搜过的状态。这道题目中的状态是一个二维的状态：当前石子的索引，跳到当前石子位置时上一步的跳跃步数。

通常使用数组来作为存储中间结果的容器。下面就来确定数据范围：

题目规定第一次只能眺一步，后续每次眺的步数最多在上一步跳跃步数的基础上加1。考虑最坏的情况，也就是每次跳跃的步数加 $1$ ，青蛙最多跳 $n$ 步， $n$ 是石子的个数。

因此，记忆化容器可以使用数组int cache[n + 1][n + 1]

此外，还可以使用哈希表作为记忆化容器，我写的记忆化搜索的代码中就利用了哈希表作为记忆化容器。

动态规划

动态规划的关键在于状态表示和状态计算。

有了上面的记忆化搜索分析，状态表示就是记忆化搜索过程中标识的状态：当前石子的索引，跳到当前石子位置时上一步的跳跃步数。

状态计算：不难看出，能够跳到当前的石子位置取决于之前的石子位置，因此，动态规划方程如下：
$d p [i] [k] = d p [j] [k] ∣∣ d p [j] [k + 1] ∣∣ d p [j] [k - 1]$
其中， $k = s t o n es [i] - s t o n es [j]$