【代码随想录】二刷-回溯算法

5

回溯算法

  • 《代码随想录》
  • 什么是回溯算法?
    • 回溯算法也可以叫做回溯搜索法,它是一种搜索方式。
    • 回溯是递归的副产品,只要有递归就会有回溯。
  • 回溯法的效率:
    • 回溯法的本质是穷举,穷举所有可能,然后选出我们想要的答案。(n层for循环嵌套)
    • 如果想让回溯法更高效一些,可以加一些剪枝操作,但也无法改变回溯法就是穷举的本质。
  • 回溯法一般可以解决如下几种问题:
    • 组合问题: N个数里面按一定规则找出K个数的集合
    • 切割问题: 一个字符串按一定规则由于几种切割方式
    • 子集问题: 一个N个数的集合里有多少符合条件的子集
    • 排列问题: N个数按一定规则全排列,有几种排列方式。
    • 棋盘问题: N皇后,解数独等
  • 如何理解回溯法?
    • 回溯法解决的都可以抽象为树型结构。
    • 因为回溯法解决的都是在集合中递归查找子集,集合的大小就构成了树的宽度,递归的深度构成了树的深度。
    • 递归要有终止条件,所以必然是一棵高度有限的树(N叉树)
  • 回溯模板
    • for循环横向遍历,递归 纵向遍历,回溯不断调整结果集。
void backtracking(参数) {
    if (终止条件) {
        存放结果;
        return;
    }
    // for循环-横向遍历
    for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {
        处理节点;
        backtracking(路径,选择列表); // 递归-纵向遍历
        回溯,撤销处理结果
    }
}
  • 性能分析
    • 组合问题分析
      • 时间复杂度: $O(n* 2^n)$
        • 组合问题其实就是一种子集问题,所以组合问题最坏的情况,也不会超过子集问题的时间复杂度。
      • 空间复杂度: $O(n)$
        • 和子集问题同理。
    • 子集问题分析
      • 时间复杂度: $O(n * 2^n)$
        • 每种元素状态无非选与不选,所以时间复杂度为&O(2^n)$;
        • 构造每一组子集都需要填进数组,又需要$O(n)$;
        • 所以最终时间复杂度为: $O(n*2^n)$
      • 空间复杂度: $O(n)$
        • 递归深度为n,所以系统栈所用空间为$O(n)$
        • 每一层递归所用的空间都是常数级别,注意代码里的result和path都是全局变量,就算是放在参数里,传引用,并不会重新申请内存。
    • 排列问题
      • 时间复杂度: $O(n!)$
        • 这个可以从排列的树形图中很明显发现,每一层节点为n,第二层每一个分支都延伸了n-1个分支,再往下又是n-2个分支,所以一直到叶子节点一共就是 n n-1 n-2 * ..... 1 = n!。每个叶子节点都会有一个构造全排列填进数组的操作(对应的代码:result.push_back(path)),该操作的复杂度为$O(n)$。
        • 所以,最终时间复杂度为:n * n!,简化为$O(n!)$。
      • 空间复杂度: $O(n)$
  • 回溯法的经典题目
  • 图解如下图所示:

class Solution {
public:
    vector<int>path;// 选取的组合
    vector<vector<int>>ret;// 最终结果
    // 用startIndex来记录下一层递归搜索的起始位置
    // 防止重现重复的组合
    void backtracking(int n ,int k ,int startIndex){
        if(path.size() == k){
            ret.push_back(path);// 收集结果
            return ;
        }
        for(int i = startIndex;i <= n;i++){// 横向遍历
            path.push_back(i);// 添加
            backtracking(n,k,i+1);// 纵向遍历
            path.pop_back();// 撤销
        }
    }
    vector<vector<int>> combine(int n, int k) {
        backtracking(n,k,1);
        return ret;
    }
};
  • 剪枝优化,将for循环控制条件改为
    class Solution {
    public:
    vector<int>path;// 选取的组合
    vector<vector<int>>ret;// 最终结果
    // 用startIndex来记录下一层递归搜索的起始位置
    // 防止重现重复的组合
    void backtracking(int n ,int k ,int startIndex){
    if(path.siz)e() == k){
    ret.push_back(path);// 收集结果
    return ;
    }
    // 如果for循环选择的起始位置之后的元素个数 已经不足 我们需要的元素个数了,那么就没有必要搜索了。
    for (int i = startIndex; i <= n - (k - path.size()) + 1; i++){ // i为本次搜索的起始位置
    path.push_back(i);// 添加
    backtracking(n,k,i+1);// 纵向遍历
    path.pop_back();// 撤销
    }
    }
    vector<vector<int>> combine(int n, int k) {
    backtracking(n,k,1);
    return ret;
    }
    };

    216.组合总和III

  • 模板题,在上一题的基础上,在收集结果的时候增加是否等于目标值的判断。
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(int k, int n,int startIndex){
        if(path.size() == k){
            // 满足指定和才收集
            if(accumulate(path.begin(),path.end(),0) == n)ret.push_back(path);
            return ;
        }
        for(int i = startIndex;i <= 9;i++){
            path.push_back(i);
            backtracking(k,n,i+1);
            path.pop_back();
        }
    }
    vector<vector<int>> combinationSum3(int k, int n) {
        backtracking(k,n,1);
        return ret;
    }
};
  • 优化剪枝
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(int k, int n,int startIndex){
        if(path.size() == k){
            // 满足指定和才收集
            if(accumulate(path.begin(),path.end(),0) == n)ret.push_back(path);
            return ;
        }
        for(int i = startIndex;i <= 9-(k-path.size())+1;i++){// 剩余元素个数不足了,终止
            path.push_back(i);
            if(accumulate(path.begin(),path.end(),0) > n){// 已经大于目标值了,剪掉
               path.pop_back();
               return;
            }
            backtracking(k,n,i+1); 
            path.pop_back();
        }
    }
    vector<vector<int>> combinationSum3(int k, int n) {
        backtracking(k,n,1);
        return ret;
    }
};

17. 电话号码的字母组合

  • 注意题目的意思是,根据这几个数字所对应的字母进行组合。几个数字,每个组合就有几个元素。
  • 从每个数字对应的元素中取一个。然后组合。
  • 与上面题的不同,本体每一个数字代表的是不同的组合,也就是求不同集合之间的组合,而上面两道题,都是都同一个集合中的组合。
class Solution {
public:
    string path;
    vector<string>ret;
    const string letterMap[10] = {
        "", // 0
        "", // 1
        "abc", // 2
        "def", // 3
        "ghi", // 4
        "jkl", // 5
        "mno", // 6
        "pqrs", // 7
        "tuv", // 8
        "wxyz", // 9
    };
    void backtracking(const string& digits,int index){
        if(index == digits.size()){// 每个数字对应的字母都取了一个,收集。
            ret.push_back(path);;
            return;
        }
        int digit = digits[index]-'0';//将对应char转为int
        string letters = letterMap[digit];
        for(int i = 0; i< letters.size();i++){
            path.push_back(letters[i]);
            backtracking(digits,index+1);
            path.pop_back();
        }
    }
    vector<string> letterCombinations(string digits) {
        if(digits.size() == 0)return ret;
        backtracking(digits,0);
        return ret;
    }
};
  • 隐藏回溯细节
    • 增加参数s,每次修改仅在调用递归函数传参时修改,递归结束返回回来,原值并未被修改。从而达到回溯效果。
class Solution {
public:
    const string letterMap[10] = {
        "", // 0
        "", // 1
        "abc", // 2
        "def", // 3
        "ghi", // 4
        "jkl", // 5
        "mno", // 6
        "pqrs", // 7
        "tuv", // 8
        "wxyz", // 9
    };
    vector<string>ret;
    void backtracking(const string& digits,string s,int index){// 增加参数string
        if(index == digits.size()){
            ret.push_back(s);
            return  ;
        }
        int digit = digits[index]-'0';
        string leeters = letterMap[digit];
        for(int i =0; i < leeters.size();i++){
            backtracking(digits,s+leeters[i],index+1);// 回溯
        }
    }
    vector<string> letterCombinations(string digits) {
        if(digits.size() == 0)return ret;
        string s;
        s.clear();
        backtracking(digits,s,0);
        return ret;
    }
};

39. 组合总和

  • 注意题目要求,所有元素不限制选取次数。在我们实际的代码中,要修改模板的控制下标。
>-  方法1: 需要排序,因为按顺序取,需要判断是否超出目标值,超过则终止当前层的选取——剪枝。
class Solution {
public:
    vector<vector<int>>ret;
    vector<int>path;
    void backtracking(vector<int>& candidates,int target,int startIndex){
        if(accumulate(path.begin(),path.end(),0) == target){
            ret.push_back(path);
            return ;
        }
        for(int i = startIndex; i < candidates.size();i++){
            path.push_back(candidates[i]);
            if(accumulate(path.begin(),path.end(),0) > target){// 在这里终止,因为是排序过了,后面的只会更大。所以终止选取。
                path.pop_back();
                return;
            }
            backtracking(candidates,target,i);// 不加1,重复当前值
            path.pop_back();
        }
        // 或者
        // for(int i = startIndex; i < candidates.size() && accumulate(path.begin(),path.end(),0) < target;i++){
        //     path.push_back(candidates[i]);
        //     backtracking(candidates,target,i);
        //     path.pop_back();
        // }
    }
    vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
        sort(candidates.begin(),candidates.end());// 注意排序
        backtracking(candidates,target,0);
        return ret;
    }
};
  • 方法2: 无序排序,递归后,收集结果前判断,是否超过目标,超过目标值终止计算,返回,继续选取下一个值。因为没排序,后面可能还有符合条件的。注意对比与方法1终止条件位置的不同。
class Solution {
public:
    vector<vector<int>>ret;
    vector<int>path;
    void backtracking(vector<int>& candidates,int target,int startIndex){
        if(accumulate(path.begin(),path.end(),0) > target){// 超过目标值则回退,不要再选啦。
            return ;
        }
        if(accumulate(path.begin(),path.end(),0) == target){
            ret.push_back(path);
            return ;
        }
        for(int i = startIndex; i < candidates.size();i++){
            path.push_back(candidates[i]);
            backtracking(candidates,target,i);
            path.pop_back();
        }
    }
    vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
        backtracking(candidates,target,0);
        return ret;
    }
};
  • 错误提示:
    • 参数startIndex,传递的时候不同于上面的两题,而是传入当前收集的值的下标,i,不是i+1,为了继续重复选取当前元素。
    • 开始我每次传的都是0,这样会造成重复的组合。

      40.组合总和II

  • 在上一题的基础上增加去重
  • 去重1: 使用startIndex去重
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>& candidates,int target,int stratIndex){
        if(accumulate(path.begin(),path.end(),0) == target){
            ret.push_back(path);
            return  ;
        }
        for(int i = stratIndex;i < candidates.size();i++){
            // 去重
            if(i > stratIndex && candidates[i] == candidates[i-1])continue;
            path.push_back(candidates[i]);
            if(accumulate(path.begin(),path.end(),0) > target){
                path.pop_back();
                return;
            }
            backtracking(candidates,target,i+1);
            path.pop_back();
        }
    }
    vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
        sort(candidates.begin(),candidates.end());
        backtracking(candidates,target,0);
        return ret;
    }
};
  • 使用used数组去重——下面的90题子集II有更详细的去重解释。
    • 同一个树枝上的元素可以重复,同一个树层上的元素不可以重复。去的就是同一个树层的重。
    • 详见代码中的注释。

class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>& candidates,int target,int stratIndex,vector<bool>&used){
        if(accumulate(path.begin(),path.end(),0) == target){
            ret.push_back(path);
            return  ;
        }
        for(int i = stratIndex;i < candidates.size();i++){
            // 去重,跳过同一层使用过的元素
            // used[i-1] == true,表明同一个树枝candiates[i-1]使用过——联想往下纵向遍历。
            // used[i-1] == false,表明同一个树层candiates[i-1]使用过——联想往右横向遍历。
            // 为什么? used[i-1] == false;
            // 因为,同一树层,used[i-1] == false才能表示,当前取的candidates[i]是从candidates[i-1]回溯而来。
            // used[i-1] == true 说明进入下一层递归,向下纵向遍历,同一个树枝上使用过啦。

            // 与前一个元素与当前元素相等,并且在同一个树枝使用过,去掉。
            if(i > 0 && candidates[i] == candidates[i-1] &&
                used[i-1] == false)continue;

            path.push_back(candidates[i]);
            if(accumulate(path.begin(),path.end(),0) > target){
                path.pop_back();
                return;
            }
            used[i] = true;// 树枝使用了,遍历
            backtracking(candidates,target,i+1,used);
            used[i] = false;
            path.pop_back();
        }
    }
    vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
        sort(candidates.begin(),candidates.end());
        vector<bool>used(candidates.size(),false);
        backtracking(candidates,target,0,used);
        return ret;
    }
};

131.分割回文串

  • 可以说是回溯模板题,只是收集结果方式有所不同,判断从某一位置截取到当前位置的字串是否为回文字串, 是则收集。
    class Solution {
    public:
    // 判断是否为回文子串-双指针
    bool isPalindrome(const string& s,int start,int end){
    for(int i = start,j = end; i < j;i++,j--){
    if(s[i] != s[j])return false;
    }
    return true;
    }
    vector<vector<string>>ret;
    vector<string>path;
    void backtracking(const string& s, int startIndex){
    if(startIndex >= s.size()){// 收集一轮结果
    ret.push_back(path);
    return ;
    }
    for(int i = startIndex;i < s.size();i++){
    // 想象了一下搜索过程,每次递归刚进入先选一个字母,直到最后,然后开始返回,倒数第二次选两个,依次回溯调整选取状态...其中要判断每次选取的子串是否为回文子串。
    if(isPalindrome(s,startIndex,i)){// 是回文字串
    string str  = s.substr(startIndex,i-startIndex+1);
    path.push_back(str);// 收集
    }else continue;//不是回文字串
    backtracking(s,i+1);// 切割的地方不能重复切割,所以传入i+1
    path.pop_back();// 回溯
    }
    }
    vector<vector<string>> partition(string s) {
    backtracking(s,0);
    return ret;
    }
    };
  • 优化,提前计算出某一个子串是否是回文字串。dp思想。
  • 具体来说, 给定一个字符串s, 长度为n, 它成为回文字串的充分必要条件是s[0] == s[n-1]且s[1:n-1]是回文字串。
    class Solution {
    public:
    vector<vector<string>>ret;
    vector<string>path;
    vector<vector<bool>>isPalindrome;
    void backtracking(const string& s, int startIndex){
    if(startIndex >= s.size()){// 收集一轮结果
    ret.push_back(path);
    return ;
    }
    for(int i = startIndex;i < s.size();i++){
    if(isPalindrome[startIndex][i]){// 是回文字串
    string str  = s.substr(startIndex,i-startIndex+1);
    path.push_back(str);// 收集
    }else continue;//不是回文字串
    backtracking(s,i+1);
    path.pop_back();// 回溯
    }
    }
    // 计算每个子串是否为回文字串
    void computePalindrome(const string& s){
    isPalindrome.resize(s.size(),vector<bool>(s.size(),false));
    for(int i = s.size()-1;i >= 0;i--){
    for(int j = i;j < s.size();j++){
    if(j ==i)isPalindrome[i][j] = true;
    else if(j - i == 1)isPalindrome[i][j] = (s[i] == s[j]);
    else isPalindrome[i][j] = (s[i]==s[j] && isPalindrome[i+1][j-1]);
    }
    }
    }
    vector<vector<string>> partition(string s) {
    computePalindrome(s);
    backtracking(s,0);
    return ret;
    }
    };

    93.复原IP地址

  • 同上切割问题,可以使用回溯搜索法把所有可能性搜出来。
    class Solution {
    public:
    vector<string>ret;
    bool isValid(const string& s,int start,int end){
    if(start > end)return false;
    if(s[start] == '0' && start != end)return false;// 前导0,不合法
    int num = 0;
    for(int i = start;i <= end;i++){
    if(s[i] > '9' || s[i] < '0'){// 非数字
    return false;
    }
    // 从前往后遍历一个数转成整型
    num = num* 10 + (s[i]-'0');
    if(num >  255)return false;
    }
    return true;
    }
    void backtracking(string& s,int startIndex,int pointCount){
    if(pointCount == 3){
    if(isValid(s,startIndex,s.size()-1)){// 判断最后一段是不是合法的
    ret.push_back(s);// 在原字符串上修改
    }
    return ;
    }
    for(int i = startIndex;i < s.size();i++){
    if(isValid(s,startIndex,i)){// 判断这个区间子串是否合法
    s.insert(s.begin()+i+1,'.');// 在当前这个数字后面插入一个.
    pointCount++;
    backtracking(s,i+2,pointCount);// 注意,新加了一个点,所以要加2,到下一个数字
    pointCount--;
    s.erase(s.begin()+i+1);// 删除插入的点
    }else break;//不合法直接结束
    }
    }
    vector<string> restoreIpAddresses(string s) {
    if(s.size() < 4 || s.size() > 12)return ret;// 剪枝
    backtracking(s,0,0);
    return ret;
    }
    };

    78.子集

  • 方法1: 使用一个used数组来标记是否使用当前元素,0-暂时不考虑,1-使用,2-不使用。
class Solution {
public:
    vector<int>used;// 记录是否使用过
    vector<vector<int>>ret;
    void backtracking(vector<int>& nums,int startIndex){
        if(startIndex == nums.size()){// 到达边界出,开始收集结果
            vector<int>path;
            for(int i = 0; i <  nums.size();i++){
                if(used[i] == 1)path.push_back(nums[i]);
            }
            ret.push_back(path);
            return;
        }
        // startIndex当前位置
        used[startIndex] = 1;// 选当前位置
        backtracking(nums,startIndex+1);
        used[startIndex] = 0;// 恢复成未考虑状态

        used[startIndex] = 2;// 不选当前位置
        backtracking(nums,startIndex+1);
        used[startIndex] = 0;// 恢复成未考虑状态
    }
    vector<vector<int>> subsets(vector<int>& nums) {
        used.resize(nums.size(),0);
        backtracking(nums,0);
        return ret;
    }
};
  • 方法2: 相对于方法2来说,方法1更直观一些。
    • 可结合下图理解,当前元素,选与不选的这个过程。
    • startIndex既是边界,也是当前要操作的元素。
    • 方法1,是通过使用used数组来标记当前元素(startIndex下标所对应的元素)选还是不选,最后到达边界,遍历原数组,统一收集结果path,在放入最终结果集ret中。
    • 方法2,则是将选的元素直接收集进path数组中,不选了,也就是回溯,再将其pop出来,此时不断移动边界startIndex直至到达边界。到达边界后,再将小数组path放进结果集ret中。

class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>& nums,int startIndex){
        ret.push_back(path);// 收集结果
        if(startIndex == nums.size())return ;// 此终止条件可以省略
        for(int i = startIndex;i < nums.size(); i++){
            path.push_back(nums[i]);// 选上当前元素
            backtracking(nums,i+1);// 递归
            path.pop_back();// 回溯-不选当前元素啦
        }
    }
    vector<vector<int>> subsets(vector<int>& nums) {
        backtracking(nums,0);
        return ret;
    }
};

90. 子集 II

  • 开始没想明白这跟上面那个题有什么区别,我说上面那个没说不让重复不也没重吗,其实不对,因为上面那个给的数据就不是重复的,所以求子集没重复,这题给的数据出现重复的元素了,所以就需要增加一个去重操作。
  • 相当于40题组合总和II中,我们使用的used数组,是一个意思,但是我觉得那样的意思容易让人弄混,容易直译数组名used的含义,所以我们这里将其改为int型数组,1表示当前树枝上使用了,2表示当前树层上使用了,0表示暂未考虑。
    • 上方划线文字作废,就按照true表示当前树枝使用过,false表示当前树层使用过就行。
  • 如下方图解所示,理解起来稍微有一点抽象,可以画图走一遍,下图仅给出第一次选1的分支。

  • 仔细想一下,其实不难。
    • 就是先确定一点,即,这个树枝上第一个元素,我们称为"父亲",然后再往后选剩下的每一个数,即"孩子"
    • 重复的情况就是,当前这个元素上当前这个元素和前一个元素相同,并且前一个元素不是父亲元素(i > 0),——说明,当前父亲和孩子的组合,出现过了,就是重复啦,去掉。
      • 那你可能就问了,那后面也是重复的吗,当然,再往后选孩子的孩子,也是重复的。因为在上一个"树枝"已经选取过了。
  • 如下图所示意:

class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    vector<bool>used;
    void backtracking(vector<int>&nums,int startIndex){
        ret.push_back(path);// 注意本题收集结果的方式,每次递归都要收集结果。
        if(startIndex == nums.size())return;// 这行可以不加
        for(int i = startIndex;i < nums.size();i++){
            // i > 0防止越界
            if(i > 0 && nums[i] == nums[i-1] && used[i-1] == false)continue;// 去重
            path.push_back(nums[i]);
            used[i] = true;
            backtracking(nums,i+1);
            used[i] = false;
            path.pop_back();
        }
    }
    vector<vector<int>> subsetsWithDup(vector<int>& nums) {
        sort(nums.begin(),nums.end());// 排序,用于去重
        used.resize(nums.size(),false);
        backtracking(nums,0);
        return ret;
    }
};
  • 方法2: 使用下标去重,看起来更简单些,但思想同使用used数组。此方法更贴切本题中第二张图。
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>&nums,int startIndex){
        ret.push_back(path);
        for(int i = startIndex;i < nums.size();i++){
            if(i > startIndex && nums[i] == nums[i-1])continue;// 去重
            path.push_back(nums[i]);
            backtracking(nums,i+1);
            path.pop_back();
        }
    }
    vector<vector<int>> subsetsWithDup(vector<int>& nums) {
        sort(nums.begin(),nums.end());// 排序,用于去重
        backtracking(nums,0);
        return ret;
    }
};
  • 方法3: 使用set去重,去重判断同理。不做过多解释。
    • 有趣的一点也是重要的一点是,注意,是先判断是出现过,然后在往set里emplace,这步就相当于使用used数组中的。可以对照理解一下。是一个意思。
if(i > 0 && nums[i] == nums[i-1] && used[i-1] == false)continue;// 去重
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>&nums,int startIndex){
        ret.push_back(path);
        unordered_set<int>set;
        for(int i = startIndex;i < nums.size();i++){
            if(set.find(nums[i]) != set.end())continue;// 去重
            path.push_back(nums[i]);
            set.emplace(nums[i]);
            backtracking(nums,i+1);
            path.pop_back();
        }
    }
    vector<vector<int>> subsetsWithDup(vector<int>& nums) {
        sort(nums.begin(),nums.end());// 排序,用于去重
        backtracking(nums,0);
        return ret;
    }
};

491.递增子序列

  • 本题无法像上一题那样简单的使用used数组(bool数组)进行去重。
  • 因为并不是简单的对比前一个元素,因为前一个元素不一定就可以放进去,也就是说如果(可以的话)仍使用上面used数组去重方式,逻辑会更加复杂。
  • 方法1: 使用set去重,同上题使用set的方法,如下图所示,不理解就跟着走一下。

class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>& nums,int startIndex){
        // 题目要求,递增要求,至少有两个元素
        if(path.size() > 1)ret.push_back(path);
        unordered_set<int>set;
        for(int i = startIndex;i < nums.size();i++){
            if(!path.empty() && nums[i] < path.back() ||
                set.find(nums[i]) != set.end())continue;
            set.emplace(nums[i]);
            path.push_back(nums[i]);
            backtracking(nums,i+1);
            // 为什么这里不用将set中的元素弹出来,因为我们每次递归进来都会创建一个set。是局部变量。详情见上图所示
            // 即每个set只负责本层。
            path.pop_back();
        }
    }
    vector<vector<int>> findSubsequences(vector<int>& nums) {
        backtracking(nums,0);
        return  ret;
    }
};
  • 方法2: 使用用数组模拟哈希表来去重
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    void backtracking(vector<int>& nums,int startIndex){
        // 题目要求,递增要求,至少有两个元素
        if(path.size() > 1)ret.push_back(path);
        int used[201] = {0};// 数据范围-100到+100
        for(int i = startIndex;i < nums.size();i++){
            if(!path.empty() && nums[i] < path.back() ||
                used[nums[i]+100] == 1)continue;
            used[nums[i]+100] = 1;
            path.push_back(nums[i]);
            backtracking(nums,i+1);
            path.pop_back();
        }
    }
    vector<vector<int>> findSubsequences(vector<int>& nums) {
        backtracking(nums,0);
        return  ret;
    }
};

46. 全排列

  • 相对于上面使用used数组去重,本题会更好理解些,我们使用used数组,仅仅来记录当前元素是否被使用过,而且不需要indexStart来记录每层递归开始的位置,而是每次都从头开始,从而收集所有的排列方式。

  • 主要的一点是,不会给重复的数,以此为去重问题,见下题。

  • 给上面的补充,写在这里,每一层,是指对应树枝的下面的每一层,不是整体的每一层。

class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    vector<bool>used;// 记录当前元素是否使用过,true使用过,false没使用过
    void backtracking(vector<int>& nums){
        if(path.size() == nums.size()){
            ret.push_back(path);
            return ;
        }
        for(int i = 0; i < nums.size() ;i++){
            if(used[i] == true)continue;// 该元素已经使用过啦
            path.push_back(nums[i]);
            used[i] = true;
            backtracking(nums);
            path.pop_back();
            used[i] = false;
        }
    }
    vector<vector<int>> permute(vector<int>& nums) {
        used.resize(nums.size(),false);
        backtracking(nums);
        return ret;
    }
};

47.全排列 II

  • 在上一题的基础上,给出重复的元素,需要增加去重。类似于上面求子集问题中的去重。
    • 在去重逻辑中,当前元素与前一位相等,并且前一位对应used为false,去掉。
    • 还是求子集问题中的去重道理。不过可以更简单的理解为,重复的数,以其为选中基准,重新排列组合出来的结果也是相同的(因为顺序固定了)。所以要去掉。——树层去重
    • 先选中的这个数为下面树层的根。

  • 方法1: 树层去重
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    vector<bool>used;// 用来记录是否使用过
    void backtracking(vector<int>& nums){
        if(path.size() == nums.size()){
            ret.push_back(path);
            return ;
        }
        for(int i = 0; i < nums.size();i++){
            if(i > 0 && nums[i] == nums[i-1] && used[i-1] == false)continue;
            if(used[i] == false){// 当前元素没使用,那就选上
                used[i] = true;// 使用
                path.push_back(nums[i]);
                backtracking(nums);// 递归
                used[i] = false;// 回溯
                path.pop_back();
            }
        }
    }
    vector<vector<int>> permuteUnique(vector<int>& nums) {
        used.resize(nums.size(),false);
        sort(nums.begin(),nums.end());
        backtracking(nums);
        return ret;
    }
};
  • 方法2: 树枝去重
    • 即,对于树的每一个树枝来说,当我们确定了一个树层的根后,下面不可以再选与其相同的子根。

// 只需修改一步,将false改为true即可
// 如果理解了上面的我说的层的概念,这个树枝去重会很好理解。
if(i > 0 && nums[i] == nums[i-1] && used[i-1] == true)continue;
  • 树层去重和树枝去重对比

  • 可以很清晰的看到,树层上对前一位去重非常彻底,效率很高,树枝上对前一位的去重虽然最后可以得到答案,但是做了很多无用搜索。
  • 方法3: 使用set去重
class Solution {
public:
    vector<int>path;
    vector<vector<int>>ret;
    vector<bool>used;// 用来记录是否使用过
    void backtracking(vector<int>& nums){
        if(path.size() == nums.size()){
            ret.push_back(path);
            return ;
        }
        unordered_set<int>set;
        for(int i = 0; i < nums.size();i++){
            if(set.find(nums[i]) != set.end())continue;// 使用过了
            if(used[i] == false){// 当前元素没使用,那就选上
                used[i] = true;
                set.insert(nums[i]);
                path.push_back(nums[i]);
                backtracking(nums);
                used[i] = false;
                path.pop_back();
            }
        }
    }
    vector<vector<int>> permuteUnique(vector<int>& nums) {
        used.resize(nums.size(),false);
        sort(nums.begin(),nums.end());
        backtracking(nums);
        return ret;
    }
};
  • 注意:
    • 使用set去重的版本相对于used数组的版本效率会低很多。
    • 因为频繁的对unordered_set进行insert操作,unordered_set需要做哈希映射(也就是把key通过hash function映射为唯一的哈希值)相对费时间,而且insert的时候其底层的符号表也要做相应的扩充,也是费时的。

      332. 重新安排行程

  • 就是看能不能把所有票都用上。走完全程。
class Solution {
public:
    // 某一个机场可以到达的机场都有哪些,航班次数为这样的航班有几个。
    // 出发机场,<到达机场,航班次数>
    unordered_map<string,map<string,int>>targets;
    vector<string>ret;// 收集结果,沿途经过的机场数
    bool backtracking(int ticketNum){
        // ret.size()当前经过的机场数量 == 航班数量+1
        // 就是将所有票都用上了,终止。
        if(ret.size() == ticketNum + 1)return true;// 当前票都使用完毕

        //每次遍历的时候拿到上一个降落的机场,遍历这个机场接下来可以往哪飞
        for(pair<const string,int>& target : targets[ret[ret.size()-1]]){// 注意传引用,修改second值,const-因为map中的key不可修改。
            if(target.second > 0){// 
                ret.push_back(target.first);
                target.second--;
                if(backtracking(ticketNum))return true;// 找到了终止,就不pop出来了
                ret.pop_back();// 回溯
                target.second++;
            }
        }
        return false;
    }
    vector<string> findItinerary(vector<vector<string>>& tickets) {
        targets.clear();
        for(const vector<string>& vec: tickets){// 记录映射关系-当前机场都能到哪个机场,能到达几次
            targets[vec[0]][vec[1]]++;// 计数,使用了当前票--,避免死循环。
        }
        ret.push_back("JFK");// 起始机场
        backtracking(tickets.size());
        return ret;
    }
};

第51题. N皇后

  • 时间复杂度: $O(n!)$
  • 空间复杂度: $O(n)$,和子集问题同理
  • 皇后们的要求
    • 不能同行
    • 不能同列
    • 不能同斜线,45 & 135
class Solution {
public:
    vector<vector<string>>ret;
    vector<string>chess_borad;
    void backtracking(int n,int row){// n为棋盘大小,row为当前到第几行
        if(row == n){// 每行都确定了皇后的位置
            ret.push_back(chess_borad);
            return ;
        }
        for(int col = 0; col < n;col++){
            if(isValid(row,col,n)){// 当前位置合法
                chess_borad[row][col] = 'Q';// 放置皇后
                backtracking(n,row+1);
                chess_borad[row][col] = '.';// 撤销皇后
            }
        }
    }

    // 判断当前位置放入皇后,是否合法
    bool isValid(int row,int col,int n){
        // 检查列
        for(int i = 0; i < row;i++){
            if(chess_borad[i][col] == 'Q')return false;
        }

        // 为什么这里没有单独检查行呢,因为递归的时候就是在调整行,递归一下,切换一下行。

        // 45度——也就是往右上判断,为什么不用判断左下判断,因为还没到下面的行。
        // 135度判断同理
        for(int i = row - 1,j = col + 1 ;i >=0 && j < n;i--,j++){
            if(chess_borad[i][j] == 'Q')return false;
        }

        for(int i = row - 1,j = col - 1; i >= 0 && j >= 0;i--,j--){
            if(chess_borad[i][j] == 'Q')return false;
        }
        return true;
    }
    vector<vector<string>> solveNQueens(int n) {
        chess_borad.resize(n,string(n,'.'));
        backtracking(n,0);
        return ret;
    }
};

37. 解数独

  • 时间复杂度: $O(9^m)$,m是'.'的数目

  • 空间复杂度: $O(n^2)$,递归的深度是$O(n^2)$

  • 判断棋盘是否合法

    • 同行是否重复
    • 同列是否重复
    • 9宫格里是否重复
  • 就是一个萝卜一个坑,理论上来说有几个空白位置就会递归几层。递归只是为了找到坑位,不会再向后移动,搜寻别的坑。详见下方注释。

class Solution {
public:
    bool isValid(int row,int col,char val,vector<vector<char>> &board){
        for(int i = 0; i < 9;i++){// 检查同行是否有重复
            if(board[row][i] == val)return false;
        }
        for(int i = 0;i < 9;i++){// 检查同列是否有重复
            if(board[i][col] == val)return false;
        }

        // 检查九宫格内是否有重复
        int startRow = (row / 3)*3;//定位每个九宫格左上角位置
        int startCol = (col / 3)*3;
        for(int i = startRow;i < startRow + 3;i++){
            for(int j = startCol;j < startCol + 3;j++){
                if(board[i][j] == val)return false;
            }
        }
        return true;
    }
    bool backtracking(vector<vector<char>>& board){
        // 有趣的一点,我们发现在这里并没有控制下标访问,因为我们将某个空白位置放上了数字,board[i][j]就不为'.'啦,递归时就不会覆盖上一层所放的位置
        // 递归的时候会不断找到空的位置,尝试放入合法的数。也就是说每次层递归,都确定一个空位置被放入一个合法的数。
        // 就是一个萝卜一个坑,理论上来说有几个空白位置就会递归几层。递归只是为了找到坑位,不会再向后移动,搜寻别的坑。
        // 当某一层递归中,某一个空白放哪个数字都不行,return false,回溯,尝试将上一层所放置的位置换成别的,继续调整。
        for(int i = 0; i < 9;i++){
            for(int j = 0; j < 9;j++){
                if(board[i][j] == '.'){// 是空白
                    for(char k = '1' ;k <= '9';k++){// 遍历,放置合适的数字
                        if(isValid(i,j,k,board)){// 可以放
                            board[i][j] = k;
                            if(backtracking(board))return true;// 可以了就终止
                            board[i][j] = '.';
                        }
                    }
                    return false;// 九个数都是了,放哪个都不行,return false
                }
            }
        }
        return true;
    }
    void solveSudoku(vector<vector<char>>& board) {
        backtracking(board);
    }
};

  • 这个回溯拖得时间还是比较长了,抓紧抓紧!Orz