“组合”的本质，是一场优雅的试错：手把手带你搞懂回溯与递归

“组合”的本质，是一场优雅的试错：手把手带你搞懂回溯与递归

---

🪄 写在开头：组合问题，不止“选几个数”这么简单

“从一堆数里选出几个数，满足某种条件”——这类问题，你肯定刷过。

从最早的：

• 「从1到n中选k个数」
  到：
• 「电话号码的字母组合」
• 「求子集、排列、组合、组合总和」
  甚至到：
• 「N皇后、数独填空、单词搜索」……

你有没有发现，它们看似不同，其实核心都在考察两点：

1. 递归的表达能力：定义子问题、收缩问题规模；
2. 回溯的试错过程：每走一步都能“回头看”，撤销选择、换条路走。

而“组合类问题”，就是最基础、也最适合入门的模板题。

今天我就带你从一道最经典的“组合问题”入手，深挖回溯与递归背后的算法哲学，不仅会写，还要会想。

---

🎯 问题描述：从1到n中选k个数，输出所有组合

这题LeetCode上叫 77. 组合，题目非常直接：

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。

举个例子：

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

看到这种题，我们的第一反应往往是：这不就是穷举吗？全都试一遍就好了。

没错，就是要“试”，但怎么试得优雅？怎么试得不重复？怎么试得不冗余？——这就是回溯要解决的问题。

---

🧠 思维模型：回溯 + 递归的双剑合璧

📌 回溯是什么？

回溯，是一种“试错 + 回滚”的思想。

• 类似一个人在迷宫中走路，每走一步都记下来；
• 一旦发现走不通，就退回上一步，换一条路；
• 直到找到所有可行路径或者最优解。

📌 递归是什么？

递归，是一种“把大问题变小问题”的思维方式。

• 比如：combine(n, k) 其实是让你思考：
  • 如何从 [1…n] 中选择一个数 x；
  • 再从 [x+1…n] 中递归地选 k-1 个数；
  • 最后组合起来就是解。

所以我们需要的，是这样一套逻辑：

1. 从某个起点 start 开始尝试加入数字；
2. 每加入一个数字，k就减一；
3. 当组合数量到达k，记录下来；
4. 回退上一步，继续尝试下一个数字；
5. 直到遍历完所有路径。

---

🧪 动手实践：一行一行读懂回溯代码

我们来看一个标准回溯解法的模板代码（Node.js 写法，更贴近生活逻辑）：

function combine(n, k) {
  const result = []; // 最终的结果集
  const path = [];   // 当前组合路径（临时）

  function backtrack(start) {
    // 如果组合长度达到k，加入结果集
    if (path.length === k) {
      result.push([...path]); // 注意要复制
      return;
    }

    // 从当前数字开始，尝试所有可能
    for (let i = start; i <= n; i++) {
      path.push(i);         // 做出选择
      backtrack(i + 1);     // 递归下一层
      path.pop();           // 撤销选择（回溯）
    }
  }

  backtrack(1); // 从数字1开始组合
  return result;
}

🔍 逐行解读：

• path 是一个栈，记录当前走到哪一步；
• start 保证组合不重复、不回头；
• path.pop() 是关键：每尝试一个选项后要“清场”，为下一轮准备；
• 当 path.length === k 时，说明达成目标。

这个函数本质上是构造了一个“树状结构”的所有路径，只记录长度为 k 的路径。

---

🧰 组合问题的“剪枝”优化技巧

有时候你会发现，遍历范围可以更小。

✂️ 剪枝点：

for (let i = start; i <= n - (k - path.length) + 1; i++)

• 这段代码是为了提前终止无意义的尝试；
• 举个例子：
  • 假设 n=4, k=3，当前已经选了2个数；
  • 此时你只剩 i=4 可选，而你还需要2个数，不够了；
  • 所以从 i 开始就没有意义，提前跳出。

这个优化虽然不会改变算法复杂度（仍然是 C(n,k) 级别），但能极大提升执行效率。

---

🪜 举一反三：组合与排列、子集、组合总和的关系

组合是“选出若干元素”，而排列是“选出来还要排序”，子集是“选或不选”的所有情况。

类型	是否关心顺序	是否可重复	示例
组合	否	否	[1,2], [1,3]
排列	是	否	[1,2], [2,1]
子集	否	否	空集、[1], [1,2]
组合总和	否	是	[2,2,3] from [2,3,6,7]

本质上都是回溯法的变种，只需换一下条件判断、遍历方式、剪枝策略，就可以拓展出一整个算法体系。

---

🧾 写在最后：组合题不是死记模板，而是训练抽象能力

刷题不是为了记住代码，而是为了构建“问题->模型->递归->剪枝”的抽象能力。

组合类问题是最基础的回溯训练场，通过它我们可以习得：

• 递归调用的结构化思维；
• 回溯法的路径构建和撤销机制；
• 参数控制的边界判断与剪枝技巧；
• 解空间模型的“树状图”画法；

这些思想贯穿算法设计和解决复杂问题的全流程。