概述
之前《"回溯法套路总结与应用" 》这篇文章中,讲了一个回溯算法的通用模板:
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
但我们在套用该模板解决实际算法问题时会发现,针对不同类型的问题,会有不同的细节需要注意。因而本篇文章就以子集、组合、排列三类常见搜索问题为例,来讲解使用回溯法来解决这三类问题所需要考虑的不同细节和思路。
子集
问题描述很简单:
在使用回溯法解决问题之前,我们可以根据题意画出搜索过程中产生的回溯树。
我们以示例 1 为例:
首先,空集 []
肯定是一个子集
然后,以 1 开头的子集:[1],[1,2],[1,3],[1,2,3]。
以 2 开头的子集:[2],[2,3]
以 3 开头的子集:[3]。
然后将上述搜索过程写成一个回溯树:
从回溯树中可以看到,每次在做出一个选择(分支)时,都是添加一个新的未被使用的元素放到搜索列表中。但我们此时会有一个问题,如果来保证搜索时的元素是不重复的呢?
实际上,我们只需要添加一个 start 参数来控制递归,每次通过 for 循环来做出选择的时候,都从 start 来开始遍历。
具体代码如下:
class Solution {
List<List<Integer>> res = null;
public List<List<Integer>> subsets(int[] nums) {
res = new LinkedList<>();
LinkedList<Integer> trace = new LinkedList<>();
backtrack(nums, 0, trace);
return res;
}
private void backtrack(int[] nums, int start, LinkedList<Integer> trace) {
//结束条件判断
res.add(new LinkedList<>(trace));
//通过start来控制选择的起始点
for(int i = start; i < nums.length; i++) {
//做出选择
trace.add(nums[i]);
//递归回溯
backtrack(nums, i + 1, trace);
//撤销选择
trace.removeLast();
}
}
}
排列
组合问题,题目描述如下:
同样的,我们需要根据题意画出对应的回溯树。
以 n = 4, k = 2
为例,
首先,以 1 开头,长度为 2 的组合有:[1,2],[1,3],[1,4]。
以 2 的开头的组合有:[2,3],[2,4]。
以 3 开头的组合有:[3,4]。
画出对应的回溯树:
从回溯树中,我们可以看到组合问题最终搜索到的结果长度是一定的都等于 k,因而回溯结束的条件肯定可以用 k == trace.size()
来进行判断,当相等时,将搜索到的 trace 的结果添加到 res 列表中。另一方面,每一轮的搜索范围也不是所有元素,而是每次搜索添加的元素都是新的未被添加的元素,因而考虑增加一个 start 参数,来控制搜索的起始范围。
具体实现代码如下:
class Solution {
List<List<Integer>> res = null;
public List<List<Integer>> combine(int n, int k) {
res = new LinkedList<>();
LinkedList<Integer> trace = new LinkedList<>();
backtrack(n, 1, k, trace);
return res;
}
private void backtrack(int n, int start, int k, LinkedList<Integer> trace) {
//当trace中节点数量与k相同时,则记录结果并停止搜索
if(k == trace.size()) {
res.add(new LinkedList<>(trace));
return;
}
for(int i = start; i <= n; i++) {
//做出选择
trace.add(i);
//回溯
backtrack(n,i + 1, k, trace);
//撤销选择
trace.removeLast();
}
}
}
执行结果如下:
组合
组合问题描述如下:
与上述过程类似,根据题意画出其回溯树。
我们以题中例子[1,2,3]为例,
以 1 开头的排列为:[1,2,3],[1,3,2]
以 2 开头的排列为:[2,1,3],[2,3,1]
以 3 开头的排列为:[3,1,2],[3,2,1]
对应的回溯树如下所示:
组合问题和前边排列问题的不同点在于,组合问题选择时,选择的范围会更广,每次做选择的时候,除了 trace 中已经存在的元素之外,其他的元素都要选择一遍。因而在解决该问题时,在"做出选择"之前需要判断当前选择的元素是否在 trace 中已经存在,如果存在则放弃此次选择。具体代码如下:
class Solution {
List<List<Integer>> res = null;
public List<List<Integer>> permute(int[] nums) {
res = new LinkedList<>();
LinkedList<Integer> trace = new LinkedList<>();
backtrack(nums, trace);
return res;
}
private void backtrack(int[] nums, LinkedList<Integer> trace) {
//搜寻到结果集等于nums.size()则证明当前的一个全排列搜索解决完成
if(nums.length == trace.size()) {
res.add(new LinkedList<>(trace));
return;
}
for(int num : nums) {
//如果选择的元素已经存在
if(trace.contains(num)) continue;
//做出选择
trace.add(num);
backtrack(nums,trace);
//撤销选择
trace.removeLast();
}
}
}
运行结果如下:
总结
本文主要讲了通过回溯法如何解决排列、组合、子集这三类问题的基本思路:
组合问题关键点在于用一个 start
来保证每次选择的元素是之前未被选择过的
排列问题关键点在于通过 contains()
来保证每次选择的元素都未被包含在 trace 中
这两类问题回溯结束的时机都是搜索到的元素达到了预定的长度,即我们可以判断 trace 中元素的长度来判断是否终止此次回溯。
而子集问题则不然,因为它的长度是变长的,所以每次进入搜索的第一件事情就是将结果加入到结果集中。
参考
- 《labuladong 的算法小抄》
欢迎来到这里!
我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。
注册 关于