【代码随想录】d24-回溯算法-part01-python

1.回溯算法理论基础

1.1什么是回溯法

• 回溯法也可以叫做回溯搜索法，它是一种搜索的方式。
• 回溯是递归的副产品，只要有递归就会有回溯。
• 回溯函数也就是递归函数，指的都是一个函数。

1.2回溯法的效率

回溯的本质是穷举（纯暴力搜索），穷举所有可能，然后选出我们想要的答案，如果想让回溯法高效一些，可以加一些剪枝的操作，但也改不了回溯法就是穷举的本质。

1.3回溯法解决的问题

回溯法，一般可以解决如下几种问题：

• 组合问题：N个数里面按一定规则找出k个数的集合
• 切割问题：一个字符串按一定规则有几种切割方式
• 子集问题：一个N个数的集合里有多少符合条件的子集
• 排列问题：N个数按一定规则全排列，有几种排列方式
• 棋盘问题：N皇后，解数独等等

注意：组合是不强调元素顺序的，排列是强调元素顺序。
例如：{1, 2} 和 {2, 1} 在组合上，就是一个集合，因为不强调顺序，而要是排列的话，{1, 2} 和 {2, 1} 就是两个集合了。
记住组合无序，排列有序，就可以了。

1.4如何理解回溯法

• 回溯法解决的问题都可以抽象为树形结构，
• 因为回溯法解决的都是在集合中递归查找子集，集合的大小就构成了树的宽度，递归的深度就构成了树的深度。
• 递归就要有终止条件，所以必然是一棵高度有限的树（N叉树）。

1.5回溯法的模板

1. 回溯函数模板返回值以及参数

• 函数起名字一般为backtracking
• 回溯算法中函数返回值一般为void
• 回溯算法需要的参数不容易一次性确定下来，所以一般是先写逻辑，然后需要什么参数，就填什么参数。

void backtracking(参数)

2. 回溯函数终止条件

• 遍历树形结构一定要有终止条件，而回溯算法可以抽象为树形结构，所以回溯也有要终止条件；
• 什么时候达到了终止条件？
  • 树中就可以看出，一般来说搜到叶子节点了，也就找到了满足条件的一条答案，把这个答案存放起来，并结束本层递归。

if (终止条件) {
    存放结果;
    return;
}

3. 回溯搜索的遍历过程
回溯法一般是在集合中递归搜索，集合的大小构成了树的宽度，递归的深度构成的树的深度。

回溯函数遍历过程伪代码如下：

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
}

for循环就是遍历集合区间，可以理解一个节点有多少个孩子，这个for循环就执行多少次。
backtracking这里自己调用自己，实现递归。
从图中可以看出，for循环可以理解是横向遍历，backtracking（递归）就是纵向遍历，这样就把这棵树全遍历完了，一般来说，搜索叶子节点就是找的其中一个结果了。
4.回溯算法模板框架如下：

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
    }
}

2. 77. 组合

给定两个整数 n 和 k，返回范围 [1, n] 中所有可能的 k 个数的组合。
你可以按 任何顺序 返回答案。

题目链接/文章讲解：https://programmercarl.com/0077.%E7%BB%84%E5%90%88.html
视频讲解：https://www.bilibili.com/video/BV1ti4y1L7cv
剪枝操作：https://www.bilibili.com/video/BV1wi4y157er

1. 递归函数的返回值以及参数

• 函数里一定有两个参数，既然是集合n里面取k个数，那么n和k是两个int型的参数。
• 然后还需要一个参数，为int型变量startIndex，这个参数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？
  • startIndex 就是为了防止出现重复的组合
  • 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
  • 所以需要startIndex来记录下一层递归，搜索的起始位置。

2. 回溯函数终止条件

• path这个数组的大小如果达到k，说明我们找到了一个子集大小为k的组合了，在图中path存的就是根节点到叶子节点的路径。
• 此时用result二维数组，把path保存起来，并终止本层递归。

3. 单层搜索的过程

• 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。
• for循环每次从startIndex开始遍历，然后用path保存取到的节点i。
• 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。
• 递归函数的下面部分就是回溯的操作了，撤销本次处理的结果。
  
  代码：

path = []  # 记录每一个组合的结果（即每一个叶子）
res =[]  # 收集最终结果
def back(n, k, startindex):
    if len(path)==k:
        res.append(path[:])  # 使用path[:]进行复制，否则后边res里append的path会跟着改变
        return
    for i in range(startindex,(n+1)-(k-len(path))+1):
        path.append(i)
        back(n, k, i+1 )
        path.pop()  # 回溯


n = 4
k = 2
back(n, k, 1)
print(res)

剪枝：
如何进行剪枝优化？
举一个例子，n = 4，k = 4的话，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。 在第二层for循环，从元素3开始的遍历都没有意义了。

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。
优化：

1. 已经选择的元素个数：len(path);
2. 还需要的元素个数为: k - len(path);
3. 剪枝的部分就是：从索引x之后，剩余的数组长度取不到k-len(path)个数
4. 索引x的值，取决于取这个值以后的数组长度(n-x+1)等于剩余没取的数的数量
   1. n-x+1=k-len(path)，x = (n+1)-(k-len(path))，索引x也就是遍历的最大范围
   2. 因为x还是可以取的，range函数时左闭右开，所以最终范围还要再加1，即(n+1)-(k-len(path))+1

注意：
将组合结果path添加到res中时，需要使用path[:]复制，否则后边res里append的path会跟着改变