回溯算法详解
一.介绍
解决一个回溯问题,实际上就是一个决策树的遍历过程。只需要思考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: 也就是达到决策树底层,无法再做选择的条件。
后面会通过全排列和N皇后问题来加深理解。
回溯算法的基本框架:
int[] result=new int [n+1];
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
}
}
核心就是for循环里的递归,递归调用之前【做选择】,递归调用之后【撤销选择】。
二.全排列问题
已知n个不重复的数,进行全排列。
如:给三个数[1,2,3],先固定第一位是1,这样第二位可以是2,第三位只能是3;然后可以把第二位变成3,这样第三位就是2;然后再变第一位,再穷举后面两位。。。
实际上,这就是回溯算法。
只要从根遍历这课树,记录路径上的数字,其实就是所有的全排列。将这棵树称为回溯算法的决策树。
从图上来解释几个名词。以根节点为例,[2]就是路径,记录已经做过的选择;[1,3]就是选择列表,表示当前可以做出的选择;[结束条件]就是遍历到树的底层,在这里就是选择列表为空的时候。
backtrack函数就像一个指针,在这棵树上游走,同时正确维护每个节点的属性。
多叉树的遍历框架:
void traverse(TreeNode root){
for(TreeNode child:root.children)
{
//前序遍历操作
traverse(child);
//后序遍历操作
}
}
前序遍历的代码在进入某个节点之前的那个时间点执行,后序遍历代码在离开某个节点之后的那个时间点执行。
for 选择 in 选择列表:
#做选择
将该选择从选择列表移除
路径.add(选择)
backtrack(路径,选择列表)
#撤销选择
路径.remove(选择)
将该选择再加入选择列表
全排列代码:
List<List<Integer>> res = new LinkedList<>();
/* 主函数,输入一组不重复的数字,返回它们的全排列*/
List<List<Integer>> permute(int []nums){
//记录路径
LinkedList<Integer> track = new LinkedList<>();
backtrack(nums,track);
return res;
}
void backtrack(int[]nums,LinkedList<Integer>track)
{
//触发结束条件
if(track.size() == nums.length)
res.add(new LinkedList(track)); //可以这样新建一个列表
return;
for(int i =0;i<nums.length;i++)
{
//排除不合理的选择
if(track.contains(nums[i]))
continue;
//做选择
track.add(nums[i]);
//进入下一层决策树
backtrack(nums,track);
//取消选择
track.removeLast();
}
}
至此,就使用回溯算法解决了全排列问题。但是这个算法并不是很高效,因为对链表使用contains方法需要O(N)时间复杂度。
但是,不管如何优化,时间复杂度都不会低于O(N!),因为穷举整颗决策树是无法避免的。
这就是回溯算法的特点,不像动态规划存在重叠子问题可以优化,回溯算法就是纯暴力穷举,复杂度高。
三.N皇后问题
给你一个NxN的棋盘,让你放置N个皇后,使得它们不能互相攻击。
ps:皇后可以攻击同一行,同一列,左上左下右上右下四个方向的任意单位。
本质上,决策树的每一层表示棋盘上的每一行;每个节点可以做出的选择是,在该行的任意一列放置一个皇后。
LinkedList<List<String>> res = new LinkedList<>();
LinkedList<List<String>> solveQ(int n)
{
//Q表示皇后,‘.’表示空,初始化棋盘
String [][] board = new String [n][n];
Arrays.fill(board,'.');
backtrack(board,0);
return res;
}
void backtrack(String[][]board,int row){
//触发结束条件
int n = board.length;
if(row==n)
res.add(board);
for(int col = 0;col<n;col++)
{
//排除不合理的选择
if(!isvalid(board,row,col))
continue;
board[row][col] ='Q';
//进入下一层决策
backtrack(board,row+1);
board[row][col]='.';
}
}
boolean isvalid(String[][]board, int row,int col)
{
int n= board.length;
//检查是否有皇后冲突
for(int i =0;i<n;i++)
{
if(board[i][col]='Q')
return false;
}
//检查右上方是否有冲突
for(int i = row -1,j=col+1;i>=0&&j<n;i--,j++){
if(board[i][j] == 'Q')
return false;
}
//检查左上方是否有皇后冲突
for(int i = row-1,j=col-1;i>=0&&j>=0;i--.j--)
{
if(board[i][j] == 'Q')
return false;
}
return true;
}
四.总结
某种程度上,回溯算法有点动态规划的味道,但是动态规划有重叠子问题的情况,可以用dp table或者备忘录优化。
动态规划的三个需要明确的点 【状态】、【选择】、和【base case】对应着回溯算法中的【路径】、【选择列表】、【结束条件】。