第77题. 组合
这题求组合大家很容易就可以想到for循环,但是两层三层for循环还好,如果是十几层几十层for循环实现起来就很麻烦了,虽然想要暴力解法,但是暴力解法也写不出来。
这时就可以使用回溯写法,回溯法就用递归来解决嵌套层数的问题。
递归来做层序遍历(可以理解是开k层for循环),每一次的递归中嵌套一个for循环,那么递归就可以用于解决多层嵌套循环的问题了。
回溯法解决的问题都可以抽象为树形结构(N叉树),用树形结构来理解回溯就容易多了
每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围。
可以发现n相当于树的宽度,k相当于树的深度。
那么如何在这个树上遍历,然后收集到我们想要的结果集呢?
图中每次搜索到了叶子节点,我们就找到了一个结果。
相当于只需要把达到叶子结点的结果收集起来,就可以得到n个数中k个数的组合集合。
回溯三部曲
1.确定递归返回值和参数:回溯返回值一般是void,因为需要记录下来的递归的路径,所以定义一个全局变量vector<int>path, 还有一个结果集vector<vector<int>>,其实也可以将这两个全局变量定义为引用参数,但是这样会使参数看起很冗余。参数:个数n,组合数长度k,还有需要一个int类型的参数startIndex,startIndex用于控制当前添加进组合的数字的范围,每一次添加进一个数字,下一次取数的范围都需要进行缩小,对于取过的数,后面取数也是通过startIndex进行限制不能取。
每次从集合中选取元素,可选择的范围随着选择的进行而收缩,调整可选择的范围,就是要靠startIndex。
vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件单一结果
void backtracking(int n, int k, int startIndex)
2.回溯终止条件:
如果path这个数组的大小等于k就终止
if (path.size() == k) {
result.push_back(path);
return;
}
3.单层递归逻辑
回溯法的搜索过程就是一个树型结构的遍历过程,可以看出for循环用来横向遍历,递归的过程是纵向遍历。
for (int i = startIndex; i <= n; i++) { // 控制树的横向遍历
path.push_back(i); // 处理节点
backtracking(n, k, i + 1); // 递归:控制树的纵向遍历,注意下一层搜索要从i+1开始
path.pop_back(); // 回溯,撤销处理的节点
}
整体代码:
class Solution {
private:
vector<vector<int>> result; // 存放符合条件结果的集合
vector<int> path; // 用来存放符合条件结果
void backtracking(int n, int k, int startIndex) {
if (path.size() == k) {
result.push_back(path);
return;
}
for (int i = startIndex; i <= n; i++) {
path.push_back(i); // 处理节点
backtracking(n, k, i + 1); // 递归
path.pop_back(); // 回溯,撤销处理的节点
}
}
public:
vector<vector<int>> combine(int n, int k) {
result.clear(); // 可以不写
path.clear(); // 可以不写
backtracking(n, k, 1);
return result;
}
};
剪枝操作
可以剪枝的地方就在递归中每一层for循环所选择的起始位置。
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 需要元素个数了,就没有必要搜索了。
注意代码中的i,就是for循环里选择的起始位置。
for (int i = startIndex; i <= n; i++) {
接下来看一下优化过程如下:
还需要的元素个数:k-path.size()
在集合n中至多从该起始位置:n-(k-path.size())+1开始遍历
这个表达式怎么理解?n代表集合大小,当集合中遍历所剩的元素不足以填充所需要的元素的时候,for循环就不必在进行下去了,例如:n=4 k=3 当前path.size()等于0,这时的最大起始位置是4-3+1=2,如果当前遍历到的元素大于2的时候,集合n所剩的元素不足以填充所需要的元素个数,所以循环结束。只有初始位置从小于等于2的值开始遍历才有意义。
for (int i = startIndex; i <= n - (k - path.size()) + 1; i++) // i为本次搜索的起始位置