回溯算法理解

回溯算法

常见解决问题：
组合
排列
切割
子集
棋盘：N皇后

解决一个回溯问题，实际上就是一个决策树的遍历过程
主要需要思考三个问题：

路径：记录我们做出了的选择(走过的决策树上的路径，我们一般都是在最后的叶子节点上去收集结果)
选择列表：当前情况下我们可以做出的选择
结束条件：也就是到达了决策树的底层叶子节点，选择列表为空了，无法再做出别的选择了

result = []   //结果集
def backtrack(路径, 选择列表):
    if 满足结束条件:
        result.add(路径)  //把已经做出的选择添加到结果集；
        return  //一般的回溯函数返回值都是空；

    for 选择 in 选择列表: //其实每个题的不同很大程度上体现在选择列表上，要注意这个列表的更新，
    //比如可能是搜索起点和终点，比如可能是已经达到某个条件，比如可能已经选过了不能再选；
        做选择  //把新的选择添加到路径里；路径.add(选择)
        backtrack(路径, 选择列表) //递归；
        撤销选择  //回溯的过程；路径.remove(选择)

核心就是for循环里的递归，在递归之前做选择，在递归之后撤销选择；

在这个过程中还有一点很重要，就是我们其实是在做两种遍历；

横向遍历(for):其实就是我们在不停的做着的选择；
纵向遍历(递归):其实就是在做完选择后面临的下一轮选择

这个样例就是我们的下面这道题目

77. 组合

78. 组合总和

79. 组合总和 II

80. 组合总和 III

81. 全排列

82. 全排列 II

83. N 皇后

体会
1.只要是涉及到做选择的，尤其是提到的五个类型：组合、排序、分割、子集、棋盘。这种都可以构建一颗决策树，那就都可以用回溯算法去解。解之前先自己把决策树画出来。
2.整体上套用模板，最大的不同就在于选择列表的更新，要能够根据题目中的要求来更新选择列表，比如到达某个深度了，比如和为某个值了等等；
3.在求和问题中，排序之后加上剪枝是很常见的操作，能够舍弃无关的操作(和已经到达某一值了，因为排过序，其后的值就更大了)；