回溯算法小结

先附上自己做过的题目：

https://blog.csdn.net/weixin_45748610/article/details/109003732
全排列
https://blog.csdn.net/weixin_45748610/article/details/109009458
N皇后
https://blog.csdn.net/weixin_45748610/article/details/109032873
子集
https://blog.csdn.net/weixin_45748610/article/details/109033219
组合
https://blog.csdn.net/weixin_45748610/article/details/109050910
解数独
https://blog.csdn.net/weixin_45748610/article/details/109052189
括号生成

判断一个题能不能使用回溯算法就是看它能不能建立决策树。

如何建立决策树？把你进行选择的思路画出来就好了。

比如全排列问题，设输入为【1，2，3】，可以建立如下决策树：

又如N皇后问题，假设棋盘是4 * 4。

明确节点的路径属性：放上皇后的4 * 4矩阵

为了得到一个符合要求的N皇后棋盘，现在进行选择，我先在第一行放一个皇后，总共有4种情况，然后再在第二行放符合要求的皇后，一直放到第四行就能得到n个路径。

我做的题目种唯一一道困难题——解数独，也可以轻松画出决策树。
节点的路径属性就是9 * 9的、逐渐完善的数独矩阵。

为了得到一个数独矩阵，现在进行选择：在第row行，col列放元素，有 <= 9种情况。放好之后，再在row行，col + 1列放元素……直到放满整个矩阵。

做了这么多题，发现节点虽然有选择列表属性，但是通常不写出来。在选择时都能排除掉错误选项。

建立好决策树，往往就代表着该题能用回溯算法。解决回溯问题，只需要遍历决策树的节点即可。接下来需要思考3个问题：

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

套用回溯算法模板：

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

难点往往在于选择条件的判断。

感谢labuladong大佬的文章，对我有很大的启发：
https://labuladong.gitbook.io/algo/di-ling-zhang-bi-du-xi-lie/hui-su-suan-fa-xiang-jie-xiu-ding-ban