本文介绍了回溯算法的学习方法，通过《超级马里奥：奥德赛》游戏中的思路，提出掌握一套回溯算法模板并不断练习以应对各种回溯问题。文章详细讲解了回溯算法的框架，包括选择列表、结束条件和剪枝条件，并列举了一系列回溯算法相关问题，如全排列、组合总和、Flood Fill、字符串回溯和游戏问题等，帮助读者理解和实践回溯算法。
前言
回溯算法，其实一点也不难，难的是起步，和写了就忘。
但是，最近玩的一款游戏《超级马里奥：奥德赛》给了我灵感，这款游戏，就是在开始的时候，把所有基础动作都交给你。只要你能在不断练习中，熟悉这些基础操作，那么，对于后期再难的关卡，你都能从容应付。
所以,我认为，只要掌握一套回溯算法的模板，并对着这套模板持续刷题练习，那很快就能掌握回溯的解题思路，从而在日后面对回溯问题的时候，才能从容不迫。
在接下来的内容中，我会总结一套回溯算法的思路，然后在几乎每道题中，都根据这个思路，来思考怎么解决回溯问题。
回溯算法
大部分问题，如果无法解决，那么使用回溯算法，总归能得出部分答案
搜索问题的解，可以通过 遍历 实现。所以很多教程把「回溯算法」称为爆搜（暴力解法）。因此回溯算法用于 搜索一个问题的所有的解 ，通过深度优先遍历的思想实现。
其与动态规划的区别在于：
共同点：
用于求解多阶段决策问题。多阶段决策问题即：
求解一个问题分为很多步骤（阶段）；
每一个步骤（阶段）可以有多种选择。
不同点：
动态规划只需要求我们评估最优解是多少，最优解对应的具体解是什么并不要求。因此很适合应用于评估一个方案的效果；
回溯算法可以搜索得到所有的方案（当然包括最优解），但是本质上它是一种遍历算法，时间复杂度很高。
相关问题：
题型一：排列、组合、子集相关问题
提示：这部分练习可以帮助我们熟悉「回溯算法」的一些概念和通用的解题思路。解题的步骤是：先画图，再编码。去思考可以剪枝的条件， 为什么有的时候用 used 数组，有的时候设置搜索起点 begin 变量，理解状态变量设计的想法。
-
全排列（中等）
-
全排列 II（中等）：思考为什么造成了重复，如何在搜索之前就判断这一支会产生重复；
-
组合总和（中等）
-
组合总和 II（中等）
-
组合（中等）
-
子集（中等）
-
子集 II（中等）：剪枝技巧同 47 题、39 题、40 题；
-
第 k 个排列（中等）：利用了剪枝的思想，减去了大量枝叶，直接来到需要的叶子结点；
-
复原 IP 地址（中等）
题型二：Flood Fill
提示：Flood 是「洪水」的意思，Flood Fill 直译是「泛洪填充」的意思，体现了洪水能够从一点开始，迅速填满当前位置附近的地势低的区域。类似的应用还有：PS 软件中的「点一下把这一片区域的颜色都替换掉」，扫雷游戏「点一下打开一大片没有雷的区域」。
下面这几个问题，思想不难，但是初学的时候代码很不容易写对，并且也很难调试。我们的建议是多写几遍，忘记了就再写一次，参考规范的编写实现（设置 visited 数组，设置方向数组，抽取私有方法），把代码写对。
-
图像渲染（Flood Fill，中等）
-
岛屿数量（中等）
-
被围绕的区域（中等）
-
单词搜索（中等）
说明：**以上问题都不建议修改输入数据，设置 visited 数组是标准的做法。**可能会遇到参数很多，是不是都可以写成成员变量的问题，面试中拿不准的记得问一下面试官又注：岛屿问题，修改输入数据貌似没什么问题,可以减少使用的空间
题型三：字符串中的回溯问题
提示：字符串的问题的特殊之处在于，字符串的拼接生成新对象，因此在这一类问题上没有显示「回溯」的过程，但是如果使用 StringBuilder 拼接字符串就另当别论。
在这里把它们单独作为一个题型，是希望朋友们能够注意到这个非常细节的地方。
- 电话号码的字母组合（中等）;
- 字母大小写全排列（中等）；
- 括号生成（中等） ：这道题广度优先遍历也很好写，可以通过这个问题理解一下为什么回溯算法都是深度优先遍历，并且都用递归来写。
题型四：游戏问题
回溯算法是早期简单的人工智能，有些教程把回溯叫做暴力搜索，但回溯没有那么暴力，回溯是有方向地搜索。「力扣」上有一些简单的游戏类问题，解决它们有一定的难度，大家可以尝试一下。
- 解数独（困难）：思路同「N 皇后问题」；
- 祖玛游戏（困难）
- 扫雷游戏（困难）
- N 皇后（困难）：其实就是全排列问题，注意设计清楚状态变量，在遍历的时候需要记住一些信息，空间换时间；
其与深度优先搜索
dfs的区别
dfs会将所有可能遍历
回溯虽然也会遍历所有可能，但当其到达结束条件的时候，会进行回溯，即撤销之前的遍历
下图👇可以帮助更好得理解：
回溯算法的框架
回溯算法，说白了，就是一个决策树的遍历过程，我们只需要考虑如下三个问题：
- 选择列表：也就是你当前可以做出的选择（不要选重）
- 结束条件：也就是到达决策树底层，无法在作出选择的条件
- 剪枝条件：看看能不能在中途就判断出下面无效，直接剔除
框架
其核心，就是for循环里面的循环，在递归调用之前“做选择”，在递归调用之后“撤销选择”
回溯算法相关问题
46_全排列
问题
给定一个 没有重复 数字的序列，返回其所有可能的全排列。
示例:
输入: [1,2,3]
输出:
[
[1,2,3],
[1,3,2],
[2,1,3],
[2,3,1],
[3,1,2],
[3,2,1]
]
思考步骤
代码
是否存在，使用的是contains()方法：
public class Solution {
public List<List<Integer>> res = new LinkedList<>();
//获取全排列过后的值
public List<List<Integer>>premute(int[] nums) {
//储存路径（已经经过的位置）
LinkedList<Integer> track = new LinkedList<>();
backtrace(track,nums);
return res;
}
//回溯
public void backtrace(LinkedList<Integer>track,int[] nums) {
//终止条件
if (track.size()==nums.length) {
//这里一定要add重新new的，不然res中，所有的引用都是一样的
res.add(new LinkedList(track));
return;
}
for (int num : nums) {
if (track.contains(num)) continue;
//做选择
track.add(num);
//进入下一层决策树
backtrace(track,nums);
//取消选择
track.removeLast();
}
}
public static void main(String[] args) {
Solution solution = new Solution();
int []nums={
1,2,3,4};
List<List<Integer>> premute = solution.premute(nums);
for (List<Integer> list : premute) {
System.out.println(list.toString());
}
}
}
是否存在，使用的是used[]数组：
List<List<Integer>> res = new ArrayList<>();
public List<List<Integer>> permute(int[] nums) {
int len = nums.length;
if (len==0) return res;
//记录路径，别忘了到边界的时候，撤回
List<Integer> track = new LinkedList<>();
//记录当前位置是否被使用过
boolean[] used = new boolean[len];
dfs(track,0,used,nums);
return res;
}
/**
* 回溯
* @param track
* @param depth 记录深度
* @param used
* @param nums
*/
public void dfs(List<Integer>track,int depth,boolean[] used,int[] nums) {
//结束条件
if (depth==used.length) {
//这里一定要使用新的内存空间，不然，所有答案都会是一样的
res.add(new ArrayList<>(track));
return;
}
for (int i = 0; i < nums.length; i++) {
//用used数组替代contains函数，使得时间复杂度由O(n)->O(1)
if (!used[i]) {
used[i]=true;
track.add(nums[i]);
dfs(track,depth+1,used,nums);
//撤销操作
used[i]=false;
track.remove(track.size()-1);
}
}
}
47_全排列II（剪枝）
问题
给定一个可包含重复数字的序列 nums ，按任意顺序 返回所有不重复的全排列。
示例 1：
输入：nums = [1,1,2]
输出：
[[1,1,2],
[1,2,1],
[2,1,1]]
示例 2：
输入：nums = [1,2,3]
输出：[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
思考步骤
这道题，和上一道题很像，就是多了一个去处重复结果的约束
如果在结果生成之后，再去结果集中去重，那会很麻烦，毕竟要对比的是数组，不是字符串
所以，要在数组生成的时候进行剪枝
- 选择列表
在nums中进行选择，但是要用used数组记录之前是否选中
- 结束条件
当track.length==nums.length
- 剪枝
有两种剪枝方式：
if(nums[i]==nums[i-1] && uesd[i-1]==false)
if(nums[i]==nums[i-1] && uesd[i-1]==true)
即当前元素和前面一个元素相等，但是前面一个元素没用过（用过）
两种方式都可以剪枝，但是效率不一样
这里要注意，无论使用那种剪枝方法，都只对有序数列有效 所以，在进入DFS之前，需要对数列进行排序
1、if i > 0 and nums[i] == nums[i-1] and check[i-1] == 0
灰色为剪枝部分，蓝色为答案部分：
2、if i > 0 and nums[i] == nums[i-1] and check[i-1] == 1
灰色为剪枝部分，蓝色为答案部分：
能够明显发现第一种能够提前剪枝，减少计算步骤和搜索次数，并且第一种选择了重复元素的第一个，而第二种选择了重复元素的最后一个，虽然答案都相同，我们成年人当然是要选效率更高一些的那一种对吧~
代码
List<List<Integer>> res = new ArrayList<>();
public List<List<Integer>> permuteUnique(int[] nums) {
int len = nums.length;
//这种剪枝方法，只适合排好序的数组
Arrays.sort(nums);
if (len==0) return res;
boolean[] used = new boolean[len];
List<Integer> track = new LinkedList<>();
backTrack(nums,track,used);
return res;
}
public void backTrack(int[] nums,List<Integer>track,boolean[] used) {
//结束条件
if (track.size()==nums.length) 
最低0.47元/天 解锁文章
扫一扫
110
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
