青铜三人行之组合总和

先说一个消息，为了方便互相交流学习，青铜三人行建了个微信群，感兴趣的伙伴可以扫码加下面的小助手抱你入群哦！

每周一题，代码无敌~这次让我们回到算法本身，来探讨一下回溯算法

青铜三人行——每周一题@组合总和

力扣题目
​
给定一个无重复元素的数组 candidates 和一个目标数 target ，找出 candidates 中所有可以使数字和为 target 的组合。

candidates 中的数字可以无限制重复被选取。

说明：

所有数字（包括 target）都是正整数。

解集不能包含重复的组合。

示例 1:

输入: candidates = [2,3,6,7], target = 7,
所求解集为:
[
  [7],
  [2,2,3]
]

示例 2:

输入: candidates = [2,3,5], target = 8,
所求解集为:
[
  [2,2,2,2],
  [2,3,3],
  [3,5]
]

思路

对于这道题来说，最困难的点就在于「candidates 中的数字可以无限制重复被选取」, 这个条件导致了最后结果的集合里面可以选的元素的数量不一定，直接导致了满足条件的可能性组合的数量暴增，给程序的复杂性带来了一定的挑战。

面对这种情况，我们就不得不尝试组合出各种能容纳最多元素的组合。在学习算法的过程中，可以理解到，类似面临这种「查找最远路径」的问题，最适合的算法场景就是「深度优先」搜索算法。

回到这个题目当中，我们想要找出所有满足条件的组合，就是要「从长到短」、「从小到大」尝试所有相加不超过 target 的组合。而在如果遇到组合超过 target 的情况，则回到更「短」一点的组合尝试其他可能性：

以这道题目的 示例2 为例：

如图所示，我们从左往右，每次尝试去取到最多元素的可能性，当组合的和大于或等于 target 的时候（等于的时候要记录结果），就返回上一层，尝试新的组合（新的组合的数要比之前的大）。相当于在这里「剪掉」了后面的可能性，并「返回」了上一层去尝试。因此这种算法也被称为了「回溯剪枝算法」。提一下，「回溯剪枝算法」其实就是一种「深度优先查找」(DFS) 算法。

对于这个题来说，这个算法必须在有序数组中才可以才行，因为数值越大，深度就越有限。

解法

了解了思路，我们先来看看 Helen 的解法

/**
 * @param {number[]} candidates
 * @param {number} target
 * @return {number[][]}
 */
var combinationSum = function(candidates, target) {
    const result = [];
    let tmpPath = [];
    let start = 0;

    candidates = candidates.sort((a, b) => a - b);

    function backtrack(tmpPath, target, start) {
        if (target === 0) {
            result.push(tmpPath);
            return; 
        }

        for (let index = start; index < candidates.length; index++) {
            if (target < 0) break;
            tmpPath.push(candidates[index]);
            backtrack(tmpPath.slice(), target - candidates[index], index);
            tmpPath.pop();     //回溯
        }
    }

    backtrack(tmpPath, target, start);

    return result;
};

在这里，helen 定义了一个 backtrack 的回溯函数，在其中遍历了 candidates 数组，并在其中递归地又去回溯，从而找出所有的可能性。

注意其中 target < 0 这个条件，其实就是一个“剪枝”，把超出的可能性剪掉。只不过用了减法的形式，有点反直觉，可以多琢磨下。

而书香稍微改了下结构，把代码缩短了点：

var combinationSum = function (candidates, target) {
    const sliceArr = candidates.filter(item => item <= target).sort((a, b) => a - b);
    const finalArr = [];
    function findCompose(target, offset, last) {
        for (let i = offset; i < sliceArr.length; i++) {
            const subTarget = target - sliceArr[i];
            if (subTarget == 0 ) finalArr.push([...last, sliceArr[i]]);
            if (subTarget > 0) findCompose(subTarget, i, [...last, sliceArr[i]]);
        }
    }
    findCompose(target, 0, []);
    return finalArr;
};

其实差不太多，不过是因为用了 es6 数组的解构赋值方法，没有把每个分支都 push 进去，所以回溯的时候就可以少写一个 pop 啦~

extra

曾大师 go 语言时间~
他在注释里顺便给我们解释了 「示例1」，并且直接将函数命名成了 DFS （深度优先搜索） 。果然很有算法大师的风范呀！

// 深度搜索加减枝,具体过程如下
// 2 -> 22 -> 222 -> 2222 -> 223(合适) -> 23 -> 233 -> 26 -> 3 -> 33 -> 333 -> 36 -> 6 -> 66 ->7(合适)

var result [][]int
var currCandidate []int
func combinationSum(candidates []int, target int) [][]int {
    sort.Ints(candidates)
    result=make([][]int,0)
    currCandidate=make([]int,0)
    DFS(target,candidates)
    return result
}

func DFS(target int,candidates []int) int {

    if getSum(currCandidate)==target{
        temCandidate:=make([]int,len(currCandidate))
        copy(temCandidate,currCandidate)
        result=append(result,temCandidate)
        return 0
    } else if getSum(currCandidate)>target{
        return -1
    }  else{ //主要看这里用0代表相同，-1代表已经超过了当前target，1则表示还能继续加
        for i:=0;i<len(candidates);i++{
            currCandidate=append(currCandidate,candidates[i])
            temp:= DFS(target,candidates[i:])
            currCandidate=currCandidate[:len(currCandidate)-1]
            if temp<=0{
                break
            }
        }
    }
    return 1
}

func getSum(nums []int) int {
    sum:=0
    for i:=0;i<len(nums);i++{
        sum+=nums[i]
    }
    return sum
}

结语
OK，这样看下来，其实算法离我们也没有那么远。事实上如此，算法本身也是为了解决具体的问题而诞生的。而我们在练习的过程中，要理解到算法具体解决了什么问题，就可以在遇到类似的问题的时候迎刃而解啦~

下周见~

---

三人行

• 知乎专栏
• 视频专辑