要解决 n为100,k为50的情况,暴力写法需要嵌套50层for循环,那么回溯法就用递归来解决嵌套层数的问题。
递归来做层叠嵌套(可以理解是开k层for循环),每一次的递归中嵌套一个for循环,那么递归就可以用于解决多层嵌套循环的问题了。
回到上面的例子,k为50的情况下,就是递归50层。
在概论谈论到,回溯法解决的问题都可以抽象为树形结构,用树形结构可方便我们理解回溯:
可以看出这个棵树,一开始集合是 1,2,3,4, 从左向右取数,取过的数,不在重复取。
第一次取1,集合变为2,3,4 ,因为k为2,我们只需要再取一个数就可以了,分别取2,3,4,得到集合[1,2] [1,3] [1,4],以此类推。
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。
图中可以发现n相当于树的宽度,k相当于树的深度。
那么如何在这个树上遍历,然后收集到我们要的结果集呢?
图中每次搜索到了叶子节点,我们就找到了一个结果。相当于只需要把达到叶子节点的结果收集起来,就可以求得 n个数中k个数的组合集合。
回溯三弄
函数签名
参数变量如下:
-
List<Integer> path
:用来存放符合条件单一结果。 -
List<List<Integer>> result
:用来存放符合条件结果的集合。 -
int numRange
:对应题目中的n。 -
int expectedSize
:对应题目中的k。 -
int 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] )。
为什么要有这个startIndex呢?
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。
从下图中红线部分可以看出,在集合[1,2,3,4]取1之后,下一层递归,就要在[2,3,4]中取数了,那么下一层递归如何知道从[2,3,4]中取数呢,靠的就是startIndex。
最后,函数签名如下:
private void backtracking(List path, int numRange, int expectedSize,
int startIndex, List<List> result){}
终止条件
什么时候到达所谓的叶子节点了呢?
path这个列表大小如果达到expectedSize,说明我们找到了一个子集大小为expectedSize的组合了,在图中path存的就是根节点到叶子节点的路径。如下图红色部分:
此时用result把path保存起来,并终止本层递归。
终止条件代码如下:
if (path.size() == expectedSize) {
result.add(new ArrayList<>(path));
return;
}
遍历过程
回溯法的搜索过程就是一个树型结构的遍历过程,在如下图中,可以看出for循环用来横向遍历,递归的过程是纵向遍历。
如此我们才遍历完图中的这棵树。
for循环每次从startIndex开始遍历,然后用path保存取到的节点i。代码如下:
for (int i = startIndex; i <= numRange; i++) {
path.add(i);
backtracking(path, numRange, expectedSize, i + 1, result);
path.remove(path.size() - 1);
}
可以看出backtracking(递归函数)通过不断调用自己一直往深处遍历,总会遇到叶子节点,遇到了叶子节点就要返回。
backtracking的下面部分就是回溯的操作了,撤销本次处理的结果,为了下一回循环。
小结
最终代码如下:
import java.util.ArrayList;
import java.util.List;
public class Combinations {
public List<List> combine1(int numRange, int expectedSize) {
List<List> result = new ArrayList<>();
List path = new ArrayList<>();
backtracking(path, numRange, expectedSize, 1, result);
return result;
}
private void backtracking(List path, int numRange, int expectedSize, int startIndex,
List<List> result) {
if (path.size() == expectedSize) {
result.add(new ArrayList<>(path));
return;
}
for (int i = startIndex; i <= numRange; i++) {
path.add(i);
backtracking(path, numRange, expectedSize, i + 1, result);
path.remove(path.size() - 1);
}
}
}
在概论谈论到回溯模板:
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
}
}
对比一下本题的代码,神同形似。有了这个模板,就有解题的大体方向,不至于六神无主。
剪枝优化
回溯法虽然是暴力搜索,但有时可以剪枝优化一下。
遍历的代码如下:
for (int i = startIndex; i <= numRange; i++) {
path.add(i);
backtracking(path, numRange, expectedSize, i + 1, result);
path.remove(path.size() - 1);
}
这个遍历的范围是可以剪枝优化的,怎么优化呢?
举一个例子,当n = 4,k = 4,那么第一层for循环的时候,从元素2开始的遍历都没有意义了(最多3个,永远凑不够4个)。在第二层for循环,从元素3开始的遍历都没有意义了(最多2个,永远凑不够3个),以此类推。
如图所示:
图中每一个节点(图中为矩形),就代表本层的一个for循环,那么每一层的for循环从第二个数开始遍历的话,都没有意义,都是无效遍历。
所以,可以剪枝的地方就在递归中每一层的for循环所选择的起始位置。如果for循环选择的起始位置之后的元素个数 已经不足 我们需要的元素个数了,那么就没有必要搜索了。
注意代码中i,就是for循环里选择的起始位置。
for (int i = startIndex; i <= n; i++) {
优化过程如下:
-
已经选择的元素个数:path.size();
-
还需要的元素个数为:k - path.size();
-
在集合n中至多要从该起始位置: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。
s = n − ( k − p a t h . s i z e ( ) ) + 1 = n − k + 1 + p a t h . s i z e ( ) s = n - (k - path.size()) + 1 = n - k + 1 + path.size() s=n−(k−path.size())+1=n−k+1+path.size(),式子中的n,k在传参到回溯函数后是固定大小的,那么随着path.size()增大,s减小。
我们举实例说明下,为什么有个+1呢?
举个例子,n = 4,k = 3, 目前已经选取的元素个数为0(path.size为0),n - (k - 0) + 1 = 4 - ( 3 - 0) + 1 = 2
。从1或2开始搜索是合理的,可以是组合[1, 2, 3],[2, 3, 4]。
再举个例子,n = 4,k = 4, 目前已经选取的元素个数为0(path.size为0),n - (k - 0) + 1 = 4 - ( 4 - 0) + 1 = 1
。从1开始搜索是合理的,可以是组合[1, 2, 3, 4]。
优化之后的for循环是:
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置
优化后整体代码如下:
import java.util.ArrayList;
import java.util.List;
public class Combinations {
// 剪枝优化后的
public List<List> combine2(int numRange, int expectedSize) {
List<List> result = new ArrayList<>();
List path = new ArrayList<>();
backtracking2(path, numRange, expectedSize, 1, result);
return result;
}
private void backtracking2(List path, int numRange, int expectedSize, int startIndex,
List<List> result) {
if (path.size() == expectedSize) {
result.add(new ArrayList<>(path));
return;
}
for (int i = startIndex; i <= numRange - (expectedSize - path.size()) + 1; i++) {
path.add(i);
backtracking(path, numRange, expectedSize, i + 1, result);
path.remove(path.size() - 1);
}
}
}
参考资料
import java.util.ArrayList;
import java.util.List;
public class Combinations {
public List<List> combine1(int numRange, int expectedSize) {
List<List> result = new ArrayList<>();
List path = new ArrayList<>();
backtracking(path, numRange, expectedSize, 1, result);
return result;
}
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
本次面试答案,以及收集到的大厂必问面试题分享:
《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》,点击传送门即可获取!
]
[外链图片转存中…(img-fpNk4sWI-1711789748488)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
本次面试答案,以及收集到的大厂必问面试题分享:
[外链图片转存中…(img-zlVVHjgH-1711789748489)]
《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》,点击传送门即可获取!