学习目标
- 学习回溯算法理论基础, 并进行练习
学习内容
回溯算法理论基础
文章链接:回溯算法理论基础
小结:回溯算法模板:
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
}
}
77. 组合(Middle)
题目链接: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。
示例 1:
输入:n = 4, k = 2
输出:
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
示例 2:
输入:n = 1, k = 1
输出:[[1]]
思路:按照上面的回溯模板进行回溯
时间复杂度:O(n^k)
空间复杂度:O(k)
解决方案:
class Solution {
List<List<Integer>> ans = new ArrayList<>();
public List<List<Integer>> combine(int n, int k) {
backTracking(n, k, 1, new LinkedList());
return ans;
}
public void backTracking(int n, int k, int start, List<Integer> path) {
if(path.size() == k) {
ans.add(new ArrayList(path));
return;
}
for(int i = start; i <= n; i++) {
path.add(i);
backTracking(n, k, i + 1, path);
path.remove(path.size() - 1);
}
}
}
小结:这种不经减枝的算法时间十分耗时:
其实经过观察可以发现有一些组合从一开始就可以不去遍历. 这里用 Carl 哥的图片说明:
class Solution {
List<List<Integer>> ans = new ArrayList<>();
public List<List<Integer>> combine(int n, int k) {
backTracking(n, k, 1, new LinkedList());
return ans;
}
public void backTracking(int n, int k, int start, List<Integer> path) {
if(path.size() == k) {
ans.add(new ArrayList(path));
return;
}
for(int i = start; i <= n - (k - path.size() - 1); i++) {
path.add(i);
backTracking(n, k, i + 1, path);
path.remove(path.size() - 1);
}
}
}
总结
- 记住回溯的模板:
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
}
}
- 考虑一下剪枝