回溯算法：leetcode 77.组合

leetcode 77.组合

回溯算法理论基础

什么是回溯法

回溯法也可以叫做回溯搜索法，它是一种搜索的方式。回溯算法和递归法是相辅相成的，只要有递归，就会有回溯。

递归函数的下面部分，通常是回溯的逻辑。回溯函数也就是递归函数，指的都是同一个函数。

回溯法的效率

回溯法并不是什么高效的算法，它是纯暴力搜素。因为回溯的本质是穷举，穷举所有可能，然后选出我们想要的答案，如果想让回溯法高效一些，可以加一些剪枝的操作，但也改不了回溯法就是穷举的本质。

那么既然回溯法并不高效为什么还要用它呢？

因为没得选，一些问题能暴力搜出来就不错了，撑死了再剪枝一下，还没有更高效的解法。

那么什么问题用暴力都解决不了，非得用回溯呢？

回溯法解决的问题

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

• 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

• 棋盘问题：N皇后，解数独等等

这些问题使用for循环一层一层嵌套是写不出对应的代码的，所以必须要使用回溯法。

上述问题中组合和排列的区别是什么？

组合是不强调元素顺序的，排列是强调元素顺序。组合无序，排列有序。

如何理解回溯

回溯法解决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。回溯就是一个递归的过程，递归必然有终止时刻，所以必然是一棵高度有限的树（N叉树）。

回溯法模板

回溯三部曲：

1. 回溯函数返回值及参数

在回溯算法中，习惯函数起名为backtracking，函数返回值一般为void。

再来看一下参数，因为回溯算法需要的参数可不像二叉树递归的时候那么容易一次性确定下来，所以一般是先写逻辑，然后需要什么参数，就填什么参数。

其伪代码如下：

void backtracking(parameter)

2. 回溯函数终止条件

什么时候达到了终止条件，树中就可以看出，一般来说搜到叶子节点了，也就找到了满足条件的一条答案，把这个答案存放起来，并结束本层递归。

根据上述回溯参数，可知终止条件伪代码：

if (终止条件) {
    存放结果;
    return;
}

3. 回溯搜素的遍历过程

回溯法一般是在集合中递归搜索，集合的大小构成了树的宽度，递归的深度构成的树的深度。

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
}

单层搜索的逻辑一般是一个for循环，for循环就是遍历集合区间，可以理解一个节点有多少个孩子，这个for循环就执行多少次。

backtracking这里自己调用自己，实现递归。

/*****

大家可以从图中看出for循环可以理解是横向遍历，backtracking（递归）就是纵向遍历，这样就把这棵树全遍历完了，一般来说，搜索叶子节点就是找的其中一个结果了。

/*****

整体回溯算法模板框架如下：

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
    }
}

leetcode 77.组合

给定两个整数 n 和 k，返回 1 ... n 中所有可能的 k 个数的组合。

直接的解法当然是使用for循环，例如示例中k为2，很容易想到 用两个for循环，这样就可以输出和示例中一样的结果。但是如果k很大呢？例如k=100，难道要写100个for循环吗？

所以要使用回溯搜索法，虽然它也是暴力搜索，但至少能写出来，不会让我们写100个for循环那样。回溯法使用递归来控制有多少层for循环。

把组合问题抽象为如下树形结构：（注意取过的数不再重复取，因为组合是无序的）

每次从集合中选取元素，可选择的范围随着选择的进行而收缩，调整可选择的范围。

图中可以发现n相当于树的宽度，k相当于树的深度。

那么如何在这个树上遍历，然后收集到我们要的结果集呢？

图中每次搜索到了叶子节点，我们就找到了一个结果。相当于只需要把达到叶子节点的结果收集起来，就可以求得 n个数中k个数的组合集合。

回溯三部曲：

1. 递归函数的返回值及参数

在这里要定义两个全局变量，一个用来存放符合条件单一结果，一个用来存放符合条件结果的集合。

vector<vector<int>> result;        // 二维数组存放符合条件的结果的集合
vector<int> path;        // 一维数组存放符合条件的结果

递归函数类型为void型，参数包括n和k两个值，还需要一个int型的参数用于表示本层递归中集合从那里开始遍历（组合无序，防止重合）。

void backtracking(int n, int k, int startIndex)

2. 回溯函数终止条件

到达叶子节点时函数即终止，那么怎么判断是否到达叶子节点呢？这就要用到上面定义的两个全局变量了，vector<int> path用于记录符合条件的结果，当path数组的大小达到k时，说明找到了一个子集大小为k的组合了。

此时用result二维数组，把path保存起来，并终止本层递归。

if(path.size() == k){
    result.push_back(path);
    return;
}

3. 单层搜索的过程

回溯法的搜索过程就是一个树型结构的遍历过程，在如下图中，可以看出for循环用来横向遍历，递归的过程是纵向遍历。

for (int i = startIndex; i <= n; i++) { // 控制树的横向遍历
    path.push_back(i); // 处理节点 
    backtracking(n, k, i + 1); // 递归：控制树的纵向遍历，注意下一层搜索要从i+1开始
    path.pop_back(); // 回溯，撤销处理的节点
}

整体代码如下：

class Solution {
private:
    vector<int> path;
    vector<vector<int>> result;
    void backtracking(int n, int k, int startIndex){
        if(path.size() == k){
            result.push_back(path);
            return;
        }
        for(int i = startIndex; i <= n; i++){
            path.push_back(i);
            backtracking(n, k, i + 1);
            path.pop_back();
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        backtracking(n, k, 1);
        return result;
    }
};

剪枝优化

回溯法虽然是暴力搜索，但也有时候可以有点剪枝优化一下的。

在遍历的过程中有如下代码：

for (int i = startIndex; i <= n; i++) {
    path.push_back(i);
    backtracking(n, k, i + 1);
    path.pop_back();
}

这个遍历的范围是可以剪枝优化的，怎么优化呢？

来举一个例子，n = 4，k = 4的话，那么第一层for循环的时候，从元素2开始的遍历都没有意义了。 在第二层for循环，从元素3开始的遍历都没有意义了。

可以剪枝的地方就在递归中每一层的for循环所选择的起始位置。如果for循环选择的起始位置之后的元素个数 已经不足我们需要的元素个数了，那么就没有必要搜索了。

这里首先考察path中的元素个数：path.size()

然后我们还需要找到k - path.size()个元素

最后在集合n中至多要从该起始位置 : n - (k - path.size()) + 1，开始遍历

所以优化后的for循环为：

for(int i = startIndex; i <= n - (k - path.size()) + 1; i++){
}

优化后的代码如下：

class Solution {
private:
    vector<int> path;
    vector<vector<int>> result;
    void backtracking(int n, int k, int startIndex){
        if(path.size() == k){
            result.push_back(path);
            return;
        }
        for(int i = startIndex; i <= n - (k - path.size()) + 1; i++){
            path.push_back(i);
            backtracking(n, k, i + 1);
            path.pop_back();
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        backtracking(n, k, 1);
        return result;
    }
};

回溯算法做剪枝的操作可以考虑从for循环的范围下手。

从运行结果也能看出剪枝操作确实提高了性能。