算法类型描述以及举例17_回溯算法（Back_Traceing）

17_回溯算法（Back_Traceing）

简单描述

回溯算法是在遍历树枝，DFS是在遍历节点；

优势

代码易于理解

劣势

不想动动态规划存在重叠的子问题可以优化，回溯算法就是纯暴力穷举，复杂度一般比较高

伪代码

result = []
def backtrack(路径, 选择列表):
    if 满足结束条件:
        result.add(路径)
        return
    
    for 选择 in 选择列表:
        做选择：将该选择从选择列表中移除，路径add选择
        backtrack(路径, 选择列表)
        撤销选择：路径remove选择，将该选择加入选择列表

其核心就是 for 循环里面的递归，在递归调用之前「做选择」，在递归调用之后「撤销选择」

写backtrack函数时，需要维护走过的“路径”和当前可以做的“选择列表”，当触发“结束条件”时，将“路径”记入结果集。

使用场景

• 有重叠子问题的用动态规划，没有动态子问题的可以用回溯算法

例子-全排列问题

    /**
     * 全排列问题
     * 时间复杂度：O(n!)
     * 空间复杂度：O(n)
     *
     * @param nums
     * @return
     */
    public List<List<Integer>> permute(int[] nums) {
        // 初始化一个结果集
        List<List<Integer>> res = new ArrayList<>();
        LinkedList<Integer> path = new LinkedList<>();
        // 如果数组为空，直接返回结果集
        if (nums.length == 0) {
            return res;
        }
        // 调用递归函数，传入结果集，数组，空的路径
        backtrace(nums, res, path);
        return res;
    }


    // 递归函数
    private void backtrace(int[] nums, List<List<Integer>> res, LinkedList<Integer> path) {
        // 如果路径长度等于数组长度，说明已经遍历完了
        if (path.size() == nums.length) {
            // 把路径加入结果集
            res.add(new ArrayList<>(path));
            return;
        }
        // 遍历数组
        for (int i = 0; i < nums.length; i++) {
            // 如果路径中已经包含当前元素，跳过
            if (path.contains(nums[i])) {
                continue;
            }
            // 把当前元素加入路径
            path.add(nums[i]);
            // 递归调用
            backtrace(nums, res, path);
            // 回溯，把当前元素从路径中移除
            path.removeLast();
        }
    }