子集Ⅱ
题目要求
解题思路
回溯法
一般情况下,看到题目要求[所有可能的结果],而不是[结果的个数],我们就知道需要暴力搜索所有的可行解了,可以使用[回溯法]
回溯法是一种算法思想,而递归式一种编程方式,回溯法可以使用递归来实现。
回溯法的整体思路是:搜索每一条路,每次回溯是对具体的一条路径而言的。对当前路径下的未探索区域进行搜索,则可能出现两种情况:
1.当前未搜索区域满足结束条件,则保留当前路径并退出当前搜索;
2.当前未搜索区域需要继续搜索,则遍历当前所有可能的选择:如果该选择符合要求,则把当前选择加入当前的搜索路径中,并继续搜索新的未探索区域。
上面说的未探索区域是指搜索某条路径时的未搜索区域,并不是全局的未搜索区域。
回溯法搜所有可行解的模板一般是这样子的:
res =[]
path = []
def backtrack(未搜索区域,res,path):
if path 满足条件:
res.add(path) # 深度拷贝
# return # 如果不用继续搜索需要return
for 选择 in 未探索区域当前可能的选择:
if 当前选择符合要求:
path.add(当前选择)
backtrack(新的未探索区域,res,path)
path.pop()
backtrack
的含义是:未探索区域中到达结束条件的所有可能路径,path 变量是保存的是一条路径,res 变量保存的是所有搜索到的路径。所以当「未探索区域满足结束条件」时,需要把 path 放到结果 res 中。
path.pop()
是啥意思呢?它是编程实现上的一个要求,即我们从始至终只用了一个变量 path,所以当对 path 增加一个选择并 backtrack 之后,需要清除当前的选择,防止影响其他路径的搜索。
按照模板
1.未探索区域:剩下的未探索的数组num[index:N-1]
;
2.每个path是否都满足条件:任何一个path都是子集,都满足条件,都要放到res
中;
3.当前path满足条件时,是否继续搜索:是的,找到num[0:index-1]
中的子集之后,num[index]
添加到老的path中会形成新的子集;
4.未探索区域当前可能的选择:每次选择可以选取s的1个祖父,即num[index]
;
5.当前选择符合要求:任何num[index]
都是符合要求的,直接放到path中;
6.新的未探索区域:num在index之后的剩余字符串,num[index+1:N-1]
.
代码
res = []
nums.sort()
self.dfs(nums, 0, res, [])
return res
def dfs(self, nums, index, res, path):
if path not in res:
res.append(path)
for i in range(index, len(nums)):
if i > index and nums[i] == nums[i - 1]:
continue
self.dfs(nums, i + 1, res, path + [nums[i]])
复杂度分析
时间复杂度:
O
(
n
∗
2
n
)
O(n * 2^n)
O(n∗2n),其中n是数组nums的长度。排序的时间复杂度未
O
(
n
l
o
n
g
n
)
O(nlong n)
O(nlongn)。最坏的情况下nums中无重复元素,需要枚举其中所有
2
n
2^n
2n个子集,每个子集加入答案时需要拷贝一份,耗时
O
(
n
)
O(n)
O(n),一共需要
O
(
n
∗
2
n
)
+
O
(
n
)
=
O
(
n
∗
2
n
)
O(n * 2^n) + O(n) = O(n * 2^n)
O(n∗2n)+O(n)=O(n∗2n)的时间来构造子集。由于在渐进意义上,
O
(
n
l
o
g
n
)
O(n log n)
O(nlogn)小于
O
(
n
∗
2
n
)
O(n * 2^n)
O(n∗2n)故总的时间复杂度为
O
(
n
∗
2
n
)
O(n * 2^n)
O(n∗2n)
空间复杂度:
O
(
n
)
O(n)
O(n),临时数组t的空间代价是
O
(
n
)
O(n)
O(n),递归时栈空间的代价为
O
(
n
)
O(n)
O(n)