回溯算法
第一天开始回溯算法,基础理论如下:
回溯其实也是一种暴力解法,用来解决一些需要嵌套很多层的暴力法,也是穷举,但是可以配合一定的剪枝操作,使得效率提高一些。
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
回溯算法解决的问题都可以抽象为树形结构
回溯法模板
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
}
}
77.组合
每次搜索,可选范围不断收缩
采用startIndex来记录每一次开始搜索的位置
class Solution {
private:
vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件结果
void backtracking(int n, int k, int startIndex) {
if (path.size() == k) { //中止条件
result.push_back(path); //处理结果
return;
}
for (int i = startIndex; i <= n; i++) {
path.push_back(i); // 处理节点
backtracking(n, k, i + 1); // 递归
path.pop_back(); // 回溯,撤销处理的节点
}
}
public:
vector<vector<int>> combine(int n, int k) {
result.clear(); // 可以不写
path.clear(); // 可以不写
backtracking(n, k, 1);
return result;
}
};
剪枝操作
当搜索范围小于k时,剩余的元素满足不了要求的数量,应该将这一部分剪掉,不去搜索
来举一个例子,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。
剪枝的地方就在递归中每一层for循环的起始位置。
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。
优化过程如下:
已经选择的元素个数:path.size();
所需需要的元素个数为: k - path.size();
列表中剩余元素(n-i) >= 所需需要的元素个数(k - path.size())
在集合n中至多要从该起始位置 : i <= n - (k - path.size()) + 1,开始遍历
为什么有个+1呢,因为包括起始位置,我们要是一个左闭的集合。
举个例子,n = 4,k = 3, 目前已经选取的元素为0(path.size为0),n - (k - 0) + 1 即 4 - ( 3 - 0) + 1 = 2。
从2开始搜索都是合理的,可以是组合[2, 3, 4]。
class Solution {
private:
vector<vector<int>> result;
vector<int> path;
void backtracking(int n, int k, int startIndex) {
if (path.size() == k) {
result.push_back(path);
return;
}
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) { // 优化的地方,最大的起始位置
path.push_back(i); // 处理节点
backtracking(n, k, i + 1);
path.pop_back(); // 回溯,撤销处理的节点
}
}
public:
vector<vector<int>> combine(int n, int k) {
backtracking(n, k, 1);
return result;
}
};
216.组合总和III
这题和上题类似,只不过需要求每个组合的和,然后去和目标值比较
class Solution {
public:
vector<vector<int>> result;
vector<int> path;
int sum = 0;
void backtracking(int k, int n, int startIndex) {
if (sum > n) return; //剪枝
if (path.size() == k) {
if (sum == n) {
result.push_back(path);
}
return;
}
for (int i = startIndex; i <= 10 - (k - path.size()); i++) { //剪枝
path.push_back(i);
sum += i;
//在这剪枝的话把回溯也做了
/*
if (sum > n) {
sum -= i;
path.pop_back();
return;
}
*/
backtracking(k, n, i +1);
sum -= i;
path.pop_back();
}
}
vector<vector<int>> combinationSum3(int k, int n) {
backtracking(k, n, 1);
return result;
}
};
总结
第一天解回溯的问题,需要注意记住回溯算法的模板以及剪枝方法,后面的问题大都按照这个模板来。