递归枚举子集：深入理解与实现

在算法与编程中，子集枚举是一个经典问题，即给定一个长度为 `n` 的序列 `a`，如何生成其所有可能的子序列（包括空集）。递归是解决这类组合问题的自然方法，因为它能直观地模拟“选择”与“不选择”的过程。本文将详细介绍如何用递归实现子集枚举，并分析其时间与空间复杂度。  
给定序列 `a = [a₁, a₂, ..., aₙ]`，其子集是指从原序列中任意选取元素（包括空集和全集）构成的集合。例如：  
- 序列 `[1, 2]` 的子集为：`[], [1], [2], [1, 2]`  

子集枚举的目标是**系统性地生成所有可能的子集**，通常用于解决组合优化、搜索等问题。  

核心思想  

递归的本质是**分治**：将问题分解为更小的子问题，直到达到基本情况。对于子集枚举，递归的核心逻辑是：  
- **每一步对当前元素做出选择**：选或不选。  
- **递归处理剩余元素**，直到遍历完所有元素。  

示例（以 `a = [1, 2]` 为例）  
```
开始（[]）
├─ 选择1 → [1]  
│   ├─ 选择2 → [1, 2]  
│   └─ 不选2 → [1]  
└─ 不选1 → []  
    ├─ 选择2 → [2]  
    └─ 不选2 → []  
```
最终结果：`[], [1], [1, 2], [2]`  

代码

class Main {
    List<Integer> temp = new ArrayList<>();
    List<List<Integer>> ans = new ArrayList<>();

    public List<List<Integer>> subsets(int n) {
        dfs(1, n);
        return ans;
    }

    public void dfs(int cur, int n) {
        if (cur > n) {
            ans.add(new ArrayList<>(temp)); // 保存当前子集
            return;
        }
        // 选择当前元素
        temp.add(cur);
        dfs(cur + 1, n);
        temp.remove(temp.size() - 1); // 回溯
        // 不选择当前元素
        dfs(cur + 1, n);
    }
}

复杂度分析

时间复杂度：O(2ⁿ)  
每个元素有“选”或“不选”两种可能，共 n个元素，总子集数为 2ⁿ。  
空间复杂度：O(n)  
递归栈深度最大为 n，且 path占用 O(n) 空间。  

 结语

递归枚举子集是理解回溯算法的基础，其核心在于**选择与撤销选择的对称性**。虽然时间复杂度较高，但在小规模数据或组合问题中仍非常实用。掌握后，可进一步学习剪枝优化（如分支限界）或迭代法（如位运算枚举）。