从小白开始刷算法回溯法篇 leetcode.78

存储当前正在构建的子集元素：
- 在回溯的过程中，每次选择一个元素加入到子集中，然后进行递归，直到满足生成子集的条件。subset列表用于存储当前正在构建的子集元素，通过不断地添加和删除元素，来构建出不同的子集。
添加已生成的子集到结果列表：
- 当满足生成子集的条件时（子集长度等于目标长度），需要将当前的子集加入到结果列表中。由于在回溯过程中，使用的是同一个subset列表，为了避免后续操作对已生成的子集造成影响，需要创建一个副本（new ArrayList<>(subset)）并将其添加到结果列表中。

通过使用subset列表，可以在回溯的过程中动态地构建不同长度的子集，并将满足条件的子集添加到结果列表中，最终得到所有可能的子集组合。

// 仅是我的思路代码，leetcode上大神更厉害
class Solution {
    public List<List<Integer>> subsets(int[] nums) {
        List<List<Integer>> result = new ArrayList<>();
        // 初始状态，加入空集
        result.add(new ArrayList<>()); 
        // 构建subset的长度
        for (int length = 1; length <= nums.length; length++) {
            backtrack(nums, result, length, 0, new ArrayList<>());
        }
        return result;
    }

    private void backtrack(int[] nums, List<List<Integer>> result, int length, int index, ArrayList<Integer> subset) {
        if (subset.size() == length) {
            // 构建符合要求的子集，加入结果列表
            result.add(new ArrayList<>(subset)); 
            return;
        }
        //
        for (int i = index; i < nums.length; i++) {
             // 添加当前元素到子集中
            subset.add(nums[i]);
            // 递归构建下一个元素
            backtrack(nums, result, length, i + 1, subset); 
            // 回溯，移除最后一个元素，尝试下一个选择
            subset.remove(subset.size() - 1); 
        }
    }
}

时间复杂度：

在主函数中的 for 循环会执行 n 次，每次调用回溯函数。
在回溯函数中，最坏情况下，每个元素都会被选中或不选中，因此回溯函数的时间复杂度为指数级别的 O(2^n)。
综合起来，总时间复杂度为 O(n * 2^n)。

空间复杂度：

结果列表 result 的空间复杂度为 O(2^n)，因为最终结果的个数为 2^n 个。
backtracking 函数中使用的临时列表 subset 的空间复杂度为 O(n)，因为在最坏情况下，递归的深度为 n，即最多会存储 n 个元素。
综合起来，总空间复杂度为 O(2^n)。

其他思路：

DFS

class Solution {
    public List<List<Integer>> subsets(int[] nums) {
        List<List<Integer>> result = new ArrayList<>();
        List<Integer> subset = new ArrayList<>();
        dfs(nums, result, subset, 0);
        return result;
    }

    private void dfs(int[] nums, List<List<Integer>> result, List<Integer> subset, int index) {
        result.add(new ArrayList<>(subset));

        for (int i = index; i < nums.length; i++) {
            subset.add(nums[i]);
            dfs(nums, result, subset, i + 1);
            subset.remove(subset.size() - 1);
        }
    }
}