回溯问题Python框架总结——排列组合问题

本文是对 leetcode 回溯题的一些模板进行整理总结，很多关于回溯的 blog 都会引用对回溯算法的 official definition 和通用的解题步骤，如果是真的想研究这一算法思想，按照这样的方式来完全没有问题。不过个人觉得如果仅仅只是为了应试，那么掌握一些解题的模板会更直接的帮助理解回溯的算法思想。本文将举一些简单的例子来说明这些模板，不采用树来描述，使得对于数据结构不太了解的读者也相对友好。

基本思想：

回溯问题是对多叉树的深度搜索，遇到不满足条件的节点则回退，递归的搜索答案。在递归调用前，尝试一种可能的方案，那么在递归调用的时候，函数的开始，有判断语句，如果这种方案可行，记录下这种方案，并且 return，否则，继续进行尝试，找到满足条件的解以后，回退到之前的选择。

常见模板：

1、无重复元素的全排列问题（或者有重复元素但是不需要去重）

一般在回溯的过程中，不断缩小原来数组的范围并添加至 $track$ 中，直至枚举完所有的元素，满足条件的添加到 $result$ 数组中, 模板如下

def problem(nums):
	res = []
	def backtrack(nums, track):
		if (判断满足题目所给的条件):  # 如果不限制每个结果都需要用到所有元素，就不需要 if 判断，直接加入 res
			res.append(track[:])   # 这里必须传入track的拷贝，track[:], 否则答案全是空
			return
		for i in range(len(nums)):
			backtrack(nums[:i] + nums[i+1:], track + nums[i])
		backtrack(nums, [])
	return 题目需要的res相关的参数，输出本身，长度，或者其他的

以下题目为实战中套用框架解题

Leetcode 46 全排列

由于是全排列，只要没得选了，那就是我们所需的答案，加入 $result$ 并且 $return$

class Solution:
	def permute(self, nums: List[int]) -> List[List[int]]:
		res = []
		def backtrack(nums, track):
			if not nums:
				res.append(track[:])
				return
			for i in range(len(nums)):
				backtrack(nums[:i] + nums[i+1:], track + [nums[i]])
		backtrack(nums, [])
		return res

2、有重复元素的全排列问题

遇到有重复元素的问题，最好先进行排序，再采用剪枝的方法来进行去重，具体分析见 4。这里给出全排列有重复元素去重的框架：

def problem(nums):
	res = []
	nums.sort()
	def backtrack(nums, track):
		if (判断满足题目所给的条件):  # 如果不限制每个结果都需要用到所有元素，就不需要 if 判断，直接加入 res
			res.append(track[:])   # 这里必须传入track的拷贝，track[:], 否则答案全是空
			return
		for i in range(len(nums)):
			if i > 0 and nums[i] == nums[i-1]:  #剪枝去重
				continue
			backtrack(nums[:i] + nums[i+1:], track + nums[i])
	backtrack(nums, [])
	return 题目需要的res相关的参数，输出本身，长度，或者其他的

Leetcode 1079 活字印刷

先将字符串放在入列表中进行排序，后进行剪枝去重。

由于不需要求具体有哪些排列，因此只需要用一个变量来记录过程中的结果。类似的，$N$皇后与 $N$皇后Ⅱ 的差别也仅在于是否需要建立一个列表或者一个变量来保存结果。

初始 $ans$ 设为 -1，因为题目要求最后的结果非空，提前减去一个空字符串。

class Solution:
	def numTilePossibilities(self, tiles: str) -> int:
		self.ans = -1
		tiles = list(tiles)
		tiles.sort()</