回溯算法学习体会

引言

在正式谈论回溯算法以前，我们不妨以一道经典算法题作为引入。LeetCode 46. 全排列，给定一个没有重复数字的序列，返回其所有可能的全排列。 例如，输入为[1,2,3]，则输出应为[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]。我们暂时不要考虑如何用编程方式去实现这一过程，现在假设是人力罗列，我们应该遵循一个什么样的列写规则？一种简单的列写规则如下图所示。
初始时，可供我们选择的数字包含在集合｛1,2,3｝中。第一步，我们从集合中选取1作为起始节点，然后更新集合为｛2,3｝。第二步，我们从集合中选取2作为第二个节点，然后更新集合为{3}。第三步，我们从集合中选取3作为第三个节点，然后更新集合为｛｝，此时集合为空集，代表我们已经完整找到了一个可行结果[1,2,3]。回顾来看，我们每一步都在做着相同的事——从当前集合中选一个作为当前节点的数，然后更新集合。于是我们可以将问题进行抽象简化，初始时我们希望找到[1,2,3]的全排列（母问题），第一步选取1为起始节点后，我们希望找到[2,3]的全排列（子问题），因为一旦找到了[2,3]的全排列，只要在这些排列前面补上1，我们就可以得到母问题中以1为起始节点的全部结果。这就形成了用递归法求解这个问题的基本思路。
再来看图，纵观整个搜索过程，无非是一种全遍历过程。每到一个节点，如果有可选项，则生成新节点，然后更新备选集合，再进一步求解子问题；而如果无可选项，则回退到上过一个节点的状态。当然，途中我们要判断是否已经产生了解。

伪代码

反思上面的过程，我们形成一个伪代码框架，用来求解回溯问题。
整个方法其实就3大核心部件：1.解的判断以及结束判断；2.筛选满足约束的备选项；3.产生子问题并求解，求解完后恢复求解之前的状态。

public void backtrack(...){
   
	if(是一个可行解) 将结果存入集合中;
	if(无备选项或无须进一步搜索) return;
	
	for(所有的备选项){
   
		if(该备选项不满足约束) continue;
		生成当前节点;
		更新集合;
		子问题backtrack();
		//状态回退
		删除节点;
		回退集合;
	}
}

例子

全排列

LeetCode 46. 全排列
我们回顾上一节给的3大核心部件。1.解的判断以及结束判断。当temp列表的大小和给定数组的长度一致时，说明形成了一个可行结果，需要存入ret中。同时两者数值大小一致，也说明再无备选项，搜索应该回溯到上一步。2.筛选满足约束的备选项。这里用到了一个布尔数组uesd，用来记录哪些数是已经被使用了的。显然我们应该选取那些未被使用过的数。布尔数组的技巧非常实用，应该记住。3.产生子问题并求解，求解完后恢复求解之前的状态。子问题求解前需要更新布尔数组used和暂存列表temp，子问题求解完以后，需要恢复used和temp之前的状态。

class Solution {
   
    public List<List<Integer>> permute(int[] nums) {
   
        List<List<Integer>> ret = new ArrayList<>();
        backtrack(ret,new ArrayList<Integer>(