leetcode：77. 组合

题目来源

• leetcode

题目描述

class Solution {
public:
    vector<vector<int>> combine(int n, int k) {

    }
};

题目解析

回溯

本题可以抽象为如下树形结构：

可以看出这颗树，一开始集合是1、2、3、4，从左到右取数，取过的数，不再重复取。

第一次取1、集合变为2、3、4，因为k是2，我们只需要再取一个数就可以了，分别取2、3、4，得到集合[1,2] [1,3] [1,4]，以此类推。

每次从集合中选取元素，可选择的范围随选择的进行而收缩，调整可选择的范围。

图中可以发现n相当于树的宽度，k相当于树的深度。

那么如何在这个树上进行遍历，然后得到我们想要的结果呢？图中每次搜索到了叶子节点，我们就找到了一个结构，相当于只需要把达到叶子节点的结果收集起来，就可以求得 n个数中k个数的组合集合。

回溯三部曲

（1）返回值和参数

• 在这里要定义两个全局变量，一个用来存放符号条件单一结果，一个用来存放符号条件结果的集合：

vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件结果

• 其实不定义这两个全局遍历也是可以的，把这两个变量放进递归函数的参数里，但函数里参数太多影响可读性，所以定义为全局变量了
• 函数中移动有两个参数，既然是集合n里面取k个数，然后n和k是两个int型的参数
• 然后还需要一个参数，为int型变量startIndex，这个参数用来记录本层递归中，集合从哪里开始遍历（集合就是[1,…,n] ）。
• 为什么要有这个startIndex？
  • 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，就是要靠startIndex
  • 从下图中红线部分可以看出，在集合[1,2,3,4]取1之后，下一层递归，就要在[2,3,4]中取数了，那么下一层递归如何知道从[2,3,4]中取数呢，靠的就是startIndex。
  • 所以需要startIndex来记录下一层递归，搜索的起始位置。
    
• 因此，整体代码如下：

vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件单一结果
void backtracking(int n, int k, int startIndex) 

（2）回溯函数终止条件

• 什么时候达到所谓的叶子节点了呢？
• path这个数组的大小如果达到了k，说明我们找到了一个子集大小为k的组合了，在图中path存的就是根节点到叶子节点的路径。如图红色部分：
  
• 此时用result二维数组，把path保存起来，并终止本层递归。
• 所以终止条件代码如下：

 if (path.size() == k) {
    result.push_back(path);
    return;
}

（3）单层搜索的过程

• 回溯法的搜索过程就是一个树形结构的遍历过程，如下图中，可以看出for循环用来横向遍历，递归的过程是纵向遍历
  
• for循环每次从startIndex开始遍历，然后用path保存取到的节点i
• 代码如下：

for (int i = startIndex; i <= n; i++) { // 控制树的横向遍历
    path.push_back(i); // 处理节点 
    backtracking(n, k, i + 1); // 递归：控制树的纵向遍历，注意下一层搜索要从i+1开始
    path.pop_back(); // 回溯，撤销处理的节点
}

• 可以看出backtracking（递归函数）通过不断调用自己一直往深处遍历，总会遇到叶子节点，遇到了叶子节点就要返回。
• backtracking的下面部分就是回溯的操作了，撤销本次处理的结果。

整体代码如下：

class Solution {
private:
    vector<vector<int>> result; // 存放符合条件结果的集合
    vector<int> path; // 用来存放符合条件结果
    void backtracking(int n, int k, int startIndex) {
        if (path.size() == k) {
            result.push_back(path);
            return;
        }
        for (int i = startIndex; i <= n; i++) {
            path.push_back(i); // 处理节点
            backtracking(n, k, i + 1); // 递归
            path.pop_back(); // 回溯，撤销处理的节点
        }
    }
public:
    vector<vector<int>> combine(int n, int k) {
        backtracking(n, k, 1);
        return result;
    }
};

回溯法模板：

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
    }
}

小结

• 组合问题是回溯法解决的经典问题，我们开始的时候给大家列举一个很形象的例子，就是n为100，k为50的话，直接想法就需要50层for循环。
• 从而引出了回溯法就是解决这种k层for循环嵌套的问题。
• 然后进一步把回溯法的搜索过程抽象为树形结构，可以直观的看出搜索的过程。
• 接着用回溯法三部曲，逐步分析了函数参数、终止条件和单层搜索的过程。

剪枝优化

在遍历的过程中有如下代码：

for (int i = startIndex; i <= n; i++) {
    path.push_back(i);
    backtracking(n, k, i + 1);
    path.pop_back();
}

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。 具体分析：

• 已经选择的元素个数：path.size();
• 还需要的元素个数为: k - path.size();
• 在集合n中至多要从该起始位置 : n - (k - path.size()) + 1，开始遍历

为什么有个+1呢，因为包括起始位置，我们要是一个左闭的集合。

举个例子，n = 4，k = 3， 目前已经选取的元素为0（path.size为0），n - (k - 0) + 1 即 4 - ( 3 - 0) + 1 = 2。

从2开始搜索都是合理的，可以是组合[2, 3, 4]。

所以优化之后的for循环是：

for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置

优化后整体代码如下：

class Solution {
private:
    vector<vector<int>> result;
    vector<int> path;
    void backtracking(int n, int k, int startIndex) {
        if (path.size() == k) {
            result.push_back(path);
            return;
        }
        for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) { // 优化的地方
            path.push_back(i); // 处理节点
            backtracking(n, k, i + 1);
            path.pop_back(); // 回溯，撤销处理的节点
        }
    }
public:

    vector<vector<int>> combine(int n, int k) {
        backtracking(n, k, 1);
        return result;
    }
};

小结

什么叫做回溯呢？

• 回溯也叫做回溯搜索发，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。

回溯的效率

不高。因为回溯的本质是穷举，穷举所有可能，然后选出我们想要的答案。如果想要回溯法高效一些，可以剪枝，但是还是改不了回溯法就是穷举的本质。

那么既然回溯法并不高效为什么还要用它呢？因为没得选，一些问题能暴力搜出来就不错了，撑死了再剪枝一下，还没有更高效的解法。

那都什么问题，只能暴力搜索。

回溯法解决的问题

回溯法一般可以解决如下几种问题：

• 组合问题：N个数里面按照一定规则找出k个数的集合
• 切割问题：一个字符串按照一定的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个数按照一定规则全排列，有几种排列方式
• 棋盘问题：N皇后，解数独等等

ps： 组合 VS 排列

注意

• 子集、组合与排列是不同性质的概念。子集、组合是无关顺序的，而排列是和元素顺序有关的，如 [1，2] 和 [2，1] 是同一个组合(子集)，但 [1,2] 和 [2,1] 是两种不一样的排列！！！！因此被分为两类问题

如何理解回溯法

所有回溯法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。

递归必须有终止条件，所以必然是一颗高度有限的数(N叉树)

回溯法目标

（1）返回值和参数

• 返回值一般是void
• 参数：因为回溯算法需要的参数不容器一次性确定，所以一般先写逻辑，然后需要什么参数就填什么参数

void backtracking(参数)

（2）终止条件

• 既然是树形结构，所以遍历树形结构时一定要有终止条件
• 什么时候终止呢？树一般到了叶子节点就终止，也就找到了满足条件的一个答案，把这个答案存放起来，并结束本层递归。

所以回溯函数终止条件伪代码如下：

if (终止条件) {
    存放结果;
    return;
}

（3）回溯搜索的遍历过程

回溯法一般是在集合中递归搜索，集合的大小构成了树的宽度，递归的深度构成的树的深度。

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
}

for循环就是遍历集合区间，可以理解一个节点有多少个孩子，这个for循环就执行多少次。

backtracking这里自己调用自己，实现递归。

大家可以从图中看出for循环可以理解是横向遍历，backtracking（递归）就是纵向遍历，这样就把这棵树全遍历完了，一般来说，搜索叶子节点就是找的其中一个结果了。

（4）分析完过程，回溯算法模板框架如下：

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
    }
}

回溯和dfs并不相同：

• 回溯法是盲目式搜索，只记录初始状态到目标状态的解路径。不记录已经搜索过的中间状态。
• 深度优先是无启发式的图搜索，记录已经搜索过的状态，提高搜索效率。

类似题目

题目	思路
leetcode：77. 给定集合[1…n]，从中挑选k(指定)个数，返回所有组合(每个数可以用一次) combination	组合是顺序无关的，如 [1，2] 和 [2，1] 是同一个组合不同排列。组合时需要一个idx来排除已经选过的数：对于每个数，有两种选择，要，不要；当path.size()==k时时表示找到了一种组合
leetcode：216. 给定集合[1…9]，从中挑选k(指定)个数，令其和为target，返回所有组合(每个数可以用一次) combination-sum-iii	比77题多了一个限制，和为target。组合时需要一个idx来排除已经选过的数：对于每个数，有两种选择，要，不要；当path.size() == k && currSum == targetSum时表示找到了一种组合
leetcode：46. 无序(不重复)数组所有的全排列 Permutations	数要全部用光(每个答案长度是固定的)，所以对于第一位可以选择num[0…x]，对于第二位可以选择除了第一位的所有选择…直到所有数全部用完