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
-
组合
-
组合总和
-
组合总和 II
-
组合总和 III
-
全排列
-
全排列 II
-
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);