文章目录
- Day 24
- 01. 回溯算法理论基础
- 1.1 什么是回溯法?
- 1.2 为什么要使用回溯法?
- 1.3 如何理解回溯法?
- 02. 组合问题(No. 77)
- 2.1 题目
- 2.2 笔记
- 2.3 代码
Day 24
01. 回溯算法理论基础
1.1 什么是回溯法?
👉 递归函数的下面就是回溯的逻辑(有递归就有回溯)
- 递归函数的后面位置其实就是平时提到的 后序位置
- 也就是当前这个节点做完所有的操作返回上一个节点的时候,这时候对这个节点可以通过某些逻辑做回溯的操作
1.2 为什么要使用回溯法?
👉 💡 回溯法是一个纯暴力的搜索方法,并不是一个性能很优的算法
- 当一个题目无法用正常的解法(多层 for 循环嵌套)来求出的时候就需要用到回溯法
- 比如说求 组合问题、切割问题、子集问题、排列问题、棋盘问题
1.3 如何理解回溯法?
👉 将回溯法抽象为一个树形结构
-
递归可以形成一个树形结构,如果一层中只有一个递归就只会形成一个链表结构而不是树形结构,所以一层中是存在多个递归调用的。
-
所以可以总结出回溯法的一个模板
public void backtracking() {if (...) {return;}for (int i = ...; i < ...; i++) {// 分枝来形成树形结构达到搜索的目的// 回溯算法} }
02. 组合问题(No. 77)
题目链接
代码随想录题解
2.1 题目
给定两个整数 n
和 k
,返回范围 [1, n]
中所有可能的 k
个数的组合。
你可以按 任何顺序 返回答案。
示例 1:
输入:n = 4, k = 2
输出:
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
示例 2:
输入:n = 1, k = 1
输出:[[1]]
提示:
1 <= n <= 20
1 <= k <= n
2.2 笔记
先来思考这道题为什么需要用回溯算法来解决。
如果要通过 for
循环来解这道题的话会遇到什么困难呢?
如果说固定 k 仅仅限制 n 的话,代码很容易写的出来比如说 k 是 2
List<Integer> path = new ArrayList<>(); // 存储路径值的链表
List<List<Integer>> res = new ArrayList<>(); // 存储结果的链表
for (int i = 1; i <= n; i++) {path.add(i);for (int j = i + 1, i <= n; i++) {path.add(j);res.add(new ArrayList(path));path.remove(path.size() - 1);}path.remove(path.size() - 1);
}
但是如果说 k = 50 或者 k = 100 呢?写一百层 for
循环就会出现很多问题了。
其次不只是书写的问题,通过 for
循环来解题是无法控制 for
循环的层数的
而使用回溯算法可以很容易的解决这个问题
回溯法可以通过递归来控制 for
循环的层数来达到和多层嵌套相同的效果。
这道题的解题思路就是通过一个 List
来收集路径上的节点,当节点的数量等于 k
的时候就收集起来,并且删除掉这个节点来进行后序的遍历。
套用回溯法的模板来解决问题:
public void backtracking() {if (...) {return;}for (int i = ...; i < ...; i++) {// 分枝来形成树形结构达到搜索的目的// 回溯算法}
}
递归结束的条件也就是收集结果的时候,在这道题目中是收集到的节点数目等于 n 的时候,就是 path.size() == n
。
然后就是分枝的处理了,先将 1 ~ 4
分成四份然后再从 i 到 n
分成 n - i + 1
份,所以需要一个指针来标识要分成几份 startIndex
。
最后就是回溯的代码,和上面说的相同,删除掉这个节点来进行后序的遍历。
2.3 代码
class Solution {List<Integer> path = new ArrayList<>();List<List<Integer>> res = new ArrayList<>();public List<List<Integer>> combine(int n, int k) {backtracking(n, k, 1);return res;}public void backtracking(int n, int k, int startIndex) {if (path.size() == k) {res.add(new ArrayList<>(path));return;}for (int i = startIndex; i <= n; i++) {path.add(i);backtracking(n, k, i+1);path.remove(path.size() - 1); // 回溯删除节点}}
}