[Leetcode] 每日两题 698 78 -day100 重温回溯算法(3)

重温回溯算法（2）

继 [Leetcode] 每日两题 46 112 -day98重温回溯算法（1）

继 [Leetcode] 每日两题 51 100 -day99 重温回溯算法(2)
回溯算法的思路就是把问题的解空间转化成了图或者树的结构表示，然后使用深度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解。本质上还是暴力枚举。使用的思想和DFS类似。

详细描述 ：

回溯法按深度优先策略搜索问题的解空间树。

首先从根节点出发搜索解空间树，当算法搜索至解空间树的某一节点时，先利用剪枝函数判断该节点是否可行（即能得到问题的解）。

如果不可行，则跳过对该节点为根的子树的搜索，逐层向其祖先节点回溯；否则，进入该子树，继续按深度优先策略搜索。

回溯法的基本行为是搜索，搜索过程使用剪枝函数来为了避免无效的搜索。剪枝函数包括两类：1. 使用约束函数，剪去不满足约束条件的路径；2.使用限界函数，剪去不能得到最优解的路径。

698. 划分为k个相等的子集

这个题就是一个暴力遍历，直到找到满足放置条件的一种放法，然后要加快速度的话需要剪枝，这里我就稍微剪了一下，写的有点乱。之后等脑子清晰点的时候再优化一下。（也就是不优化了）

class Solution:
    def canPartitionKSubsets(self, nums: List[int], k: int) -> bool:
        sumn = sum(nums)
        dic = defaultdict(int)
        one = sumn//k
        if sumn/k != one:
            return False
        nums.sort(reverse=True)
        brk = [[] for _ in range(k)]
        brk[0].append(nums[0])
        flag = False
        def  dfs(tbrk,nowk,lis):
            nonlocal flag
            if flag :
                return 
            if sum(tbrk[nowk]) == one:
                if nowk ==k-1:
                    flag =True
                    return True
                tmp = tbrk.copy()
                nowk+=1
                tmp[nowk].append(lis[0])
                dfs(tmp,nowk,lis[1:])
        
            elif sum(tbrk[nowk]) >one:
                return False
            else :
                for i in range(len(lis)-1,-1,-1):
                    tmp= copy.deepcopy(tbrk)
                    tmp[nowk].append(lis[i])
                    dfs(tmp,nowk,lis[:i]+lis[i+1:])
                    tmlis = lis[:i]+lis[i+1:]
            
        dfs(brk,0,nums[1:])
        return flag

78. 子集

子集问题 ，每次递归都将当前list 加入res中，对于 nums中的每个数，可以规定当前从第几位开始选择，一开始可以有三个选择，对于其中的每个选择又有不定项个选择。

class Solution:
    def subsets(self, nums: List[int]) -> List[List[int]]:

        res =[]
        def dfs(s,lis):
            res.append(lis)
            #print(lis)
            for i in range(s,len(nums)):
                tmp = lis.copy()
                tmp.append(nums[i])
                dfs(i+1,tmp)
        dfs(0,[])
        return res