回溯算法详解

一、回溯算法框架

解决一个回溯问题，实际上就是一个决策树的遍历过程。你只需要思考 3 个问题：

1. 路径：也就是已经做出的选择。

2. 选择列表：也就是你当前可以做的选择。

3. 结束条件：也就是到达决策树底层，无法再做选择的条件。

回溯算法框架代码：

result = []
def backtrack(路径, 选择列表):
    if 满足结束条件:
        result.add(路径)
        return
    
    for 选择 in 选择列表:
        做选择
        backtrack(路径, 选择列表)
        撤销选择

其核心就是 for 循环里面的递归，在递归调用之前做选择，在递归调用之后撤销选择。该框架底层是如何实现的呢？

二、全排列问题

我们先讨论不重复数字的全排列，对于n 个不重复的数，全排列共有 n! 个

比如[1,2,3]，一般是这样：

• 先固定第一位为 1，然后第二位可以是 2，那么第三位只能是 3；
• 然后可以把第二位变成 3，第三位就只能是 2 了；
• 然后就只能变化第一位，变成 2，然后再穷举后两位
  
  其实这回溯算法就是决策树，在每个节点决策出需要选择的节点。而全排列是不允许重复使用数字的。

所以这样我们呢就可以解释路径、选择列表、结束条件的含义了：

• [2] 就是「路径」，记录你已经做过的选择；
• [1,3] 就是「选择列表」，表示你当前可以做出的选择；
• 「结束条件」就是遍历到树的底层，在这里就是选择列表为空的时候。

我们定义的 backtrack 函数其实就像一个指针，在这棵树上游走，同时要正确维护每个节点的属性，每当走到树的底层，其「路径」就是一个全排列。

各种搜索问题其实都是树的遍历问题，而多叉树的遍历框架就是这样：

void traverse(TreeNode root) {
   
    for (TreeNode child : root.childern)
        // 前序遍历需要的操作
        traverse(child);
        // 后序遍历需要的操作
}

所谓前序遍历和后序遍历就是：

前序遍历就是从根节点遍历向叶子节点，后序遍历就是从叶子节点返回根节点。所以和回溯法思想一样，回溯法遍历到叶子节点后，需要返回往后遍历。

所以回到我们的排列中，回溯的过程就是来维护我们的路径和选择列表的过程，通过回溯递归函数在树上游走来维护

所以全排列的框架就是：

List<List<Integer>> res = new LinkedList<>();