【算法专题三】回溯法/DFS

算法思想

定义

回溯法(探索与回溯法)是一种选优搜索法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。

适用范围

有许多问题，当需要找出它的解集（全部解）或者要求回答什么解是满足某些约束条件的最优解时，往往要使用回溯法。

• 有组织的穷举式搜索

回溯法的基本做法是搜索或者有的组织穷尽搜索。它能避免搜索所有的可能性。即避免不必要的搜索。这种方法适用于解一些组合数相当大的问题。

• 搜索解空间树

回溯法在问题的解空间树中，按深度优先策略，从根结点出发搜索解空间树。算法搜索至解空间树的任意一点时，先判断该结点是否包含问题的解。如果肯定不包含（剪枝过程），则跳过对该结点为根的子树的搜索，逐层向其祖先结点回溯；否则，进入该子树，继续按深度优先策略搜索。

为了实现回溯，我们先弄明白以下两个问题：

1）首先应该明确问题的解空间。

2）其次是组织解空间以便它能用以被搜索

回溯算法框架

解决⼀个回溯问题，实际上就是⼀个决策树的遍历过程。只需要思考 3 个问题：

• 路径：也就是已经做出的选择。
• 选择列表：也就是你当前可以做的选择。
• 结束条件：也就是到达决策树底层，⽆法再做选择的条件。

result = []
def backtrack(路径, 选择列表):
	if 满⾜结束条件:
		result.add(路径)
		return
	
	for 选择 in 选择列表:
		做选择
		backtrack(路径, 选择列表)
		撤销选择

for 选择 in 选择列表:
	# 做选择
	将该选择从选择列表移除
	路径.add(选择)
	backtrack(路径, 选择列表)
	# 撤销选择
	路径.remove(选择)
	将该选择再加⼊选择列表

其核⼼就是 for 循环⾥⾯的递归，在递归调⽤之前「做选择」，在递归调⽤之后「撤销选择，特别简单。

写 backtrack 函数时，需要维护⾛过的「路径」和当前可以做的「选择列
表」，当触发「结束条件」时，将「路径」记⼊结果集。

递归要点

（1）递归参数
（2）终止条件
（3）递推工作
（4）返回值

其他参考

1.基本思想



2.迭代回溯的一般框架

3. 回溯法例题

【题目1】：矩阵中的路径（剑指offer-12）

【题目2：】机器人的运动范围

【题目3】：二叉树中和为某一值的路径（剑指offer-34）

【题目4】： 全排列(leetcode 46/47)

【题目5】：字符串的排列

【题目4】N皇后

给你⼀个 N×N 的棋盘，让你放置 N 个皇后，使得它们不能互相攻击。PS：皇后可以攻击同⼀⾏、同⼀列、左上左下右上右下四个⽅向的任意单位。参考解析