回溯算法理论:
回溯算法分类:
- 组合问题:N个数里面按一定规则找出k个数的集合
- 切割问题:一个字符串按一定规则有几种切割方式
- 子集问题:一个N个数的集合里有多少符合条件的子集
- 排列问题:N个数按一定规则全排列,有几种排列方式
- 棋盘问题:N皇后,解数独等等
- 其他
回溯法也可以叫做回溯搜索法,它是一种搜索的方式。
回溯是递归的副产品,只要有递归就会有回溯。
回溯函数也就是递归函数,指的都是一个函数。
回溯的本质是穷举,穷举所有可能,然后选出我们想要的答案,如果想让回溯法高效一些,可以加一些剪枝的操作,但也改不了回溯法就是穷举的本质。
回溯法解决的问题都可以抽象为树形结构:
因为回溯法解决的都是在集合中递归查找子集,集合的大小就构成了树的宽度,递归的深度,都构成的树的深度。
递归就要有终止条件,所以必然是一棵高度有限的树(N叉树)。
回溯法模板
- 回溯函数模板返回值以及参数
- 回溯函数终止条件
void backtracking(参数) {
if (终止条件) {
存放结果;
return;
}
for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {
处理节点;
backtracking(路径,选择列表); // 递归
回溯,撤销处理结果
}
}
LeetCode77.组合
思路:
递归来做层叠嵌套(可以理解是开k层for循环),每一次的递归中嵌套一个for循环,那么递归就可以用于解决多层嵌套循环的问题了。
每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围。
可以发现n相当于树的宽度,k相当于树的深度。
每次搜索到了叶子节点,我们就找到了一个结果。
class Solution {
public:
vector<vector<int>> result;//存放符合条件的结果的集合
vector<int> path;//存放符合条件的结果
int startindex = 1;
void backtracking(int n,int k,int startindex) {
if(path.size() == k) {
result.push_back(path);
return;
}
for(int i = startindex;i <= n; i++) {//控制横向遍历
path.push_back(i);//处理节点
backtracking(n,k,i + 1);//递归,控制纵向遍历
path.pop_back();//回溯,撤销处理的节点
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n,k,startindex);
return result;
}
};
剪枝优化
所以,可以剪枝的地方就在递归中每一层的for循环所选择的起始位置。
如果for循环选择的起始位置之后的元素个数 已经不足 我们需要的元素个数了,那么就没有必要搜索了。
class Solution {
public:
vector<int> path;
vector<vector<int>> result;
int start = 1;
void backtracking(int n,int k,int start) {
if(path.size() == k) {
result.push_back(path);
return ;
}
for(int i = start;i <= n - (k - path.size()) + 1;i++) {//剪枝经常在这里做文章,大部分都在这个for循环做文章
path.push_back(i);
backtracking(n,k,i + 1);
path.pop_back();
}
}
vector<vector<int>> combine(int n, int k) {
backtracking(n,k,start);
return result;
}
};