理论基础:
1.只要有递归就会有回溯,回溯搜索法也是一种暴力的穷举可能的解法。
2.回溯的本质是在一个for循环里递归,(也可以理解为在递归里for循环),总之是一个for循环+递归。
3.根据回溯法的本质,可以将其理解为一个树形结构。如下图所示。
可以看出回溯最终要返回的值(也就是我们要找的值),就是多叉树的叶子节点。
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(排列和组合的区别为组合无序,排列有序)
- 棋盘问题:N皇后,解数独等等
回溯法的思路及模板:
回溯法也是递归函数,因此在使用时也有三部曲:
1.返回值及参数;(void没有返回值,不要忘记return)
2.终止条件
3.递归遍历逻辑(一定有for循环)
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
}
}
第77题. 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。
示例: 输入: n = 4, k = 2 输出: [ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ]
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;
}
};
对比模板可以得出代码注意点:
1.result的返回值为二维数组
2.在for循环中需要定义一个startindex,来定义不同递归层数的开始位置。
3.path.pop即为回溯(撤销)的过程
java:
class Solution {
List<List<Integer>> result = new ArrayList<>();
LinkedList<Integer> path = new LinkedList<>();
public List<List<Integer>> combine(int n, int k) {
combineHelper(n, k, 1);
return result;
}
/**
* 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,就是要靠startIndex
* @param startIndex 用来记录本层递归的中,集合从哪里开始遍历(集合就是[1,...,n] )。
*/
private void combineHelper(int n, int k, int startIndex){
//终止条件
if (path.size() == k){
result.add(new ArrayList<>(path));
return;
}
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++){
path.add(i);
combineHelper(n, k, i + 1);
path.removeLast();
}
}
}
组合优化(剪枝)
假设上题中元素为n=4,k=4;可以进行剪枝优化:
即:不去递归有深度的且不符合条件的分支
注意:1.根据回溯的基础,可以看出是横向的减少,即for循环的减少,因此剪枝操作主要考虑减少for循环的区间
2.上题中for循环的区间为o~n,优化过程为:
-
已经选择的元素个数:path.size();
-
所需需要的元素个数为: k - path.size();
-
列表中剩余元素(n-i) >= 所需需要的元素个数(k - path.size())
-
在集合n中至多要从该起始位置 : i <= n - (k - path.size()) + 1,开始遍历
为什么有个+1呢,因为包括起始位置,我们要是一个左闭的集合
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置