回溯算法概念 及力扣：77.组合

原文于代码随想录
1：回溯法抽象为树形结构后，其遍历过程就是：for循环横向遍历，递归纵向遍历，回溯不断调整结果集。
2：回溯是递归的副产品，只要有递归就会有回溯。
3：回溯法就是暴力搜索，并不是什么高效的算法，最多在剪枝一下。
4：回溯法的魅力，用递归控制for循环嵌套的数量！

回溯法可以解决的问题：
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
回溯三部曲
一：回溯函数模板返回值以及参数
1.函数名：习惯为backtracking
2.回溯算法中函数返回值一般为void。
3.参数：一般是先写逻辑，然后需要什么参数，就填什么参数。
回溯函数伪代码如下：

void backtracking(参数)

二：回溯函数终止条件
一般来说是：遍历所有情况过程中，当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。
回溯函数终止条件伪代码如下：

if (终止条件) {
    存放结果;
    return;
}

三：回溯搜索的遍历过程
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。

回溯函数遍历过程伪代码如下：

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
}

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，搜索叶子节点就是找的其中一个结果了。

回溯算法模板框架：

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
    }
}

力扣：77.组合
题目：
给定两个整数 n 和 k，返回范围 [1, n] 中所有可能的 k 个数的组合。
你可以按 任何顺序 返回答案。

很简单，就是将范围 [1, n] 中所有可能的 k 个数的组合放入数组中，然后返回。此时可以先放一个数，然后再调用函数自身即实现将【2，n】中所有啃的k-1个数的组合放入数组中，然后在数组中出第一个数再加下一个数作为第一个数即结束。当放入了k个数之后再将路径放入存储路径的数组中然后返回即可。
一：普通版思路解析：

三部曲
1、递归函数的返回值以及参数：
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。
代码如下：

vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件结果

2、回溯函数终止条件：
path这个数组的大小如果达到k，说明我们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。
所以终止条件代码如下：

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

3、单层搜索的过程：

for循环每次从startIndex开始遍历，然后用path保存取到的节点i。
代码如下：

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
}

backtracking的下面部分就是回溯的操作了，撤销本次处理的结果。
组合问题C++完整代码如下：

class Solution {
private:
    vector<vector<int>> result; // 存放符合条件结果的集合
    vector<int> path; // 用来存放符合条件结果
    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); // 处理节点 
            backtracking(n, k, i + 1); // 递归
            path.pop_back(); // 回溯，撤销处理的节点
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        result.clear(); // 可以不写
        path.clear();   // 可以不写
        backtracking(n, k, 1);
        return result;
    }
};

总得来说代码类似于模板：

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
    }
}

二：剪枝优化
理解：
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。

所以，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。

1：已经选择的元素个数：path.size();
2：还需要的元素个数为: k - path.size();
3：在集合n中至多要从该起始位置 : n - (k - path.size()) + 1，开始遍历。
加1的原因，假如还需要1个元素，那么最终的起始位置为n，即n-1+1。
代码：

class Solution {
private:
    vector<vector<int>> result;
    vector<int> path;
    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++) { // 优化的地方
            path.push_back(i); // 处理节点
            backtracking(n, k, i + 1);
            path.pop_back(); // 回溯，撤销处理的节点
        }
    }
public:

    vector<vector<int>> combine(int n, int k) {
        backtracking(n, k, 1);
        return result;
    }
};