回溯_leetcode.77.组合

🌸题目

🍁给定两个整数 n 和 k，返回 1 … n 中所有可能的 k 个数的组合。

示例:

输入: n = 4, k = 2
输出:
[
  [2,4],
  [3,4],
  [2,3],
  [1,2],
  [1,3],
  [1,4],
]

🌸分析

• 如果解决一个问题有多个步骤，每一个步骤有多种方法，题目又要我们找出所有的方法，可以使用回溯算法；
• 回溯算法是在一棵树上的 深度优先遍历（因为要找所有的解，所以需要遍历）；
• 组合问题，相对于排列问题而言，不计较一个组合内元素的顺序性（即 [1, 2, 3] 与 [1, 3, 2] 认为是同一个组合），因此很多时候需要按某种顺序展开搜索，这样才能做到不重不漏。

回溯算法首先需要画出递归树，不同的树决定了不同的代码实现。

🌸解法一：根据搜索起点画出二叉树

既然是树形问题上的 深度优先遍历，因此首先画出树形结构。例如输入：n = 4, k = 2，我们可以发现如下递归结构：

• 如果组合里有 1 ，那么需要在 [2, 3, 4] 里再找 1 个数；
• 如果组合里有 2 ，那么需要在 [3, 4] 里再找 1数。注意：这里不能再考虑 1，因为包含 1 的组合，在第 1 种情况中已经包含。

依次类推（后面部分省略），以上描述体现的 递归 结构是：在以 n 结尾的候选数组里，选出若干个元素。

说明：

• 叶子结点的信息体现在从根结点到叶子结点的路径上，因此需要一个表示路径的变量 path，它是一个列表，特别地，path 是一个栈；
• 每一个结点递归地在做同样的事情，区别在于搜索起点，因此需要一个变量 start ，表示在区间 [begin, n] 里选出若干个数的组合；
• 可能有一些分支没有必要执行，我们放在优化中介绍。

	public List<List<Integer>> combine(int n, int k){
		List<List<Integer>> res = new ArrayList<>();
		if(k <= 0 || n < k) {
			return res;
		}
		//从1开始是题目的设定
		Deque<Integer> path = new ArrayDeque<>();
		dfs(n, k, 1, path, res);
		return res;
	}
	private static void dfs(int n, int k, int begin, Deque<Integer> path, List<List<Integer>> res) {
		//递归终止条件是：path的长度等于K
		if(k == path.size()) {
			res.add(new ArrayList<>(path));
			return;
		}
		//遍历可能的搜索起点
		for(int i = begin; i <= n; i++) {
			//向路径变量里添加一个数
			path.addLast(i);
			//下一轮搜索，设置搜索起点要加一，因为组合数里应该不欲奴徐出现重复数
			dfs(n, k, begin + 1, path, res);
			//深度优先搜索遍历有回头的时候，因此需要回溯
			path.removeLast();
		}
	}

🌸解法二：分析搜索起点的上界进行剪枝

事实上，如果 n = 7, k = 4，从 55 开始搜索就已经没有意义了，这是因为：即使把 55 选上，后面的数只有 66 和 77，一共就 33 个候选数，凑不出 44 个数的组合。因此，搜索起点有上界，这个上界是多少，可以举几个例子分析。

分析搜索起点的上界，其实是在深度优先遍历的过程中剪枝，剪枝可以避免不必要的遍历，剪枝剪得好，可以大幅度节约算法的执行时间。

当 n 很大的时候，能少遍历很多结点，节约了时间。

例如：n = 6 ，k = 4。

path.size() == 1 的时候，接下来要选择 3个数，搜索起点最大是 4，最后一个被选的组合是 [4, 5, 6]；
path.size() == 2 的时候，接下来要选择 2 个数，搜索起点最大是 5，最后一个被选的组合是 [5, 6]；
path.size() == 3 的时候，接下来要选择 1 个数，搜索起点最大是 6，最后一个被选的组合是 [6]；

再如：n = 15 ，k = 4。
path.size() == 1 的时候，接下来要选择 3 个数，搜索起点最大是 13，最后一个被选的是 [13, 14, 15]；
path.size() == 2 的时候，接下来要选择 2 个数，搜索起点最大是 14，最后一个被选的是 [14, 15]；
path.size() == 3 的时候，接下来要选择 1 个数，搜索起点最大是 15，最后一个被选的是 [15]；

可以归纳出：

搜索起点的上界 + 接下来要选择的元素个数 - 1 = n

其中，接下来要选择的元素个数 = k - path.size()，整理得到：

搜索起点的上界 = n - (k - path.size()) + 1
所以，我们的剪枝过程就是：把 i <= n 改成 i <= n - (k - path.size()) + 1 ：

	public List<List<Integer>> combine(int n, int k){
		List<List<Integer>> res = new ArrayList<>();
		if(k <= 0 || n < k) {
			return res;
		}
		//从1开始是题目的设定
		Deque<Integer> path = new ArrayDeque<>();
		dfs(n, k, 1, path, res);
		return res;
	}
	private static void dfs(int n, int k, int begin, Deque<Integer> path, List<List<Integer>> res) {
		//递归终止条件是：path的长度等于K
		if(k == path.size()) {
			res.add(new ArrayList<>(path));
			return;
		}
		//遍历可能的搜索起点
		for(int i = begin; i <= n - (k - path.size()) + 1; i++) {
			//向路径变量里添加一个数
			path.addLast(i);
			//下一轮搜索，设置搜索起点要加一，因为组合数里应该不欲奴徐出现重复数
			dfs(n, k, begin + 1, path, res);
			//深度优先搜索遍历有回头的时候，因此需要回溯
			path.removeLast();
		}
	}

最后，不经历风雨,怎能在计算机的大山之顶看见彩虹呢！ 无论怎样，相信明天一定会更好！！！！！