回溯法
有递归就有回溯,递归与回溯相辅相成。
回溯搜索法是纯暴力搜索算法。
一般的回溯问题都可以抽象为树结构,树的深度为递归次数,树的宽度为候选集合大小。
需要回溯解决的问题(用暴力循环很难解决):
- 组合问题(一般在叶子节点收集结果)
- 切割问题(一般在叶子节点收集结果)
- 子集问题(一般在每个节点收集结果)
- 排列问题(一般在叶子节点收集结果)
- 棋盘问题,如N皇后、解数独
回溯法模板
def backTracking(parameter):
if 终止条件:
收集结果
return
for循环 集合元素:
处理节点
递归函数
回溯操作,撤销处理节点情况
return
以leetcode77题 组合 为例:
class Solution:
def combine(self, n: int, k: int) -> List[List[int]]:
self.res = []
self.backTracking(n, k, 1, [])
return self.res
def backTracking(self, n, k, start, path):
# 终止条件
if len(path) == k:
# 收集结果
self.res.append(path)
return
# 剪枝优化
end = n - (k - len(path)) + 2
# for循环集合元素
for i in range(start, end):
# 包含回溯的递归
self.backTracking(n, k, i + 1, path + [i])
需要去重的组合问题-LeetCode40题 组合总和II
class Solution:
def combinationSum2(self, candidates: List[int], target: int) -> List[List[int]]:
self.res = []
candidates.sort()
self.backTracking(candidates, target, 0, [], 0)
return self.res
def backTracking(self, candidates, target, start, path, cur_sum):
if cur_sum == target:
self.res.append(path)
return
for i in range(start, len(candidates)):
# 剪枝优化
if cur_sum + candidates[i] > target:
break
# 对同一树层使用过的元素进行跳过
if i > start and candidates[i] == candidates[i - 1]:
continue
self.backTracking(candidates, target, i + 1, path + [candidates[i]], cur_sum + candidates[i])
字符串切割问题-LeetCode131题 分割回文串
class Solution:
def partition(self, s: str) -> List[List[str]]:
self.res = []
# 动态规划预先计算字符串回文结果
self.isPalindrome = [[False] * len(s) for _ in range(len(s))]
self.computePalindrome(s)
# 回溯法进行字符串切割
self.backTracking(s, 0, [])
return self.res
def backTracking(self, s, start, path):
# 每次递归都是一次切割操作,start代表本次切割的起始位置
if start == len(s):
self.res.append(path)
for i in range(start, len(s)):
if not self.isPalindrome[start][i]:
continue
self.backTracking(s, i + 1, path + [s[start: i + 1]])
def computePalindrome(self, s):
# 动态规划预先计算s[i, j + 1]是否回文
# 需要倒序计算,保证在i行时,i+1行已经计算好了
for i in range(len(s) - 1, -1, -1):
for j in range(i, len(s)):
if j == i:
self.isPalindrome[i][j] = True
elif j - i == 1:
self.isPalindrome[i][j] = (s[i] == s[j])
else:
self.isPalindrome[i][j] = (s[i] == s[j] and self.isPalindrome[i+1][j-1])
特殊的排列问题-LeetCode51题 N皇后
由于N皇后要求每行、每列不能有重叠,所以N皇后就变成了对数字1-n进行排列的问题,限制条件是棋盘对角线元素不能重叠
class Solution:
def solveNQueens(self, n: int) -> List[List[str]]:
self.res = []
self.backTracking(n, [i for i in range(n)], [])
return self.res
def backTracking(self, n, tobe, path):
# tobe是待选择的每一行的列索引
# path是已选择的每一行的列索引
if not tobe:
# 收集结果
tmp = []
for i in path:
tmp.append('.' * i + 'Q' + '.' * (n - i - 1))
self.res.append(tmp)
return
for i in range(len(tobe)):
# 当前要选择的坐标
tmp_x, tmp_y = len(path), tobe[i]
# 判断是否和已选择的坐标对角线重复
flag = True
for x, y in enumerate(path):
if tmp_x - x == abs(tmp_y - y):
flag = False
break
if flag:
self.backTracking(n, tobe[:i] + tobe[i + 1:], path + [tobe[i]])
二维递归问题-LeetCode37题 解数独
带返回值的递归函数,找到第一个解法时直接返回
class Solution:
def solveSudoku(self, board: List[List[str]]) -> None:
"""
Do not return anything, modify board in-place instead.
"""
self.backTracking(board, 0, 0)
def backTracking(self, board, x, y):
# x代表待搜索的横坐标,y代表待搜索的纵坐标
if x > 8:
return True
if board[x][y] == '.':
for k in range(1, 10):
if self.isValid(board, x, y, k):
board[x][y] = str(k)
if y == 8:
if self.backTracking(board, x + 1, 0):
return True
else:
if self.backTracking(board, x, y + 1):
return True
board[x][y] = '.'
else:
if y == 8:
if self.backTracking(board, x + 1, 0):
return True
else:
if self.backTracking(board, x, y + 1):
return True
def isValid(self, board, x, y, value):
for i in range(9):
if board[i][y] == str(value) or board[x][i] == str(value):
return False
for i in range(3):
for j in range(3):
if board[i + x // 3 * 3][j + y // 3 * 3] == str(value):
return False
return True
LeetCode698题 划分为k个相等的子集
以数字视角选择桶,复杂度k^n,会超时
以桶视角选择数字,复杂度k*2^n,即先为每个桶选择若干数字,若选择成功继续为下一个桶选择,直到每个桶都选择完毕。同时还可以将已经失败的used数组状态记录下来,进行剪枝
class Solution:
def canPartitionKSubsets(self, nums: List[int], k: int) -> bool:
sum_ = sum(nums)
if sum_ % k != 0:
return False
target = sum_ // k
self.res = False
used = ['0'] * len(nums)
self.fail_used = set()
self.backTracking(k, nums, 0, used, target, 0)
return self.res
def backTracking(self, k, nums, start, used, target, cur_sum):
if k == 0:
self.res = True
return
if cur_sum == target:
self.backTracking(k - 1, nums, 0, used, target, 0)
for i in range(start, len(nums)):
if used[i] == '1' or (cur_sum + nums[i] > target) or ''.join(used) in self.fail_used:
continue
used[i] = '1'
self.backTracking(k, nums, i + 1, used, target, cur_sum + nums[i])
if self.res:
return
self.fail_used.add(''.join(used))
used[i] = '0'