算法训练营Day24(回溯)

2023-12-22 22:38:10

什么问题要用回溯?

暴力都解决不了的问题

组合、排列、切割、子集、棋盘,这些问题

如何理解回溯法?

回溯法比较抽象、困难,采用图形可以帮助理解,解决问题

解决方式:抽象为一个树型结构

模板

void backtarcking(参数(做题的时候慢慢写)){

if(终止条件){

? ? ? ? 收集结果。??????

}

? ? ? ? //单层搜索逻辑

? ? ? ? for(遍历集合的元素集){

? ? ? ? ? ? ? ? 处理节点;//13

? ? ? ? ? ? ? ? 递归操作;

? ? ? ? ? ? ? ? 回溯操作;//1(进行撤销3,方便下次组合成 12)

????????}

}

组合

77. 组合 - 力扣(LeetCode)

本题关于剪枝操作是大家要理解的重点,因为后面很多回溯算法解决的题目,都是这个剪枝套路。?

对着?在?回溯算法理论基础?给出的?代码模板,来做本题组合问题,大家就会发现?写回溯算法套路。

相当于通过递归来代替好多层的for循环

答案:(注意path要回溯,在堆里变化的,要回溯,回溯完之后就都为null了,所以要new一个)

class Solution {
    private List<Integer> path = new ArrayList<>();
    private List<List<Integer>> result = new ArrayList<>();
    public List<List<Integer>> combine(int n, int k) {
        backingTracking(n,k,1);
        return result;
    }
    void backingTracking(int n,int k,int beginIndex){
        if(path.size()==k){
            //收割结果
            result.add(new ArrayList(path));
            return;
        }
        //单层递归逻辑
        //不是0开始,而是1
        for(int i = beginIndex;i<=n;i++){
            path.add(i);
            //递归
            backingTracking(n,k,i+1);
            //回溯
            path.removeLast();
        }
    }
}

剪枝优化

对上一道题做优化,并分析剪枝的套路都有哪些。

回溯算法做剪枝,就是在for循环这里做文章,减小范围

要选k个元素,已经选了path.size(),还需要选取k-path.size个元素

例子:要从5个元素里面找3个元素,右面边界最多到5-3+1=3,? a b c d e,也就是c的位置,因为从这之后,比如从d开始选,就小于3个了。这就是至多到n-(k-path.size())的原因

class Solution {
    private List<Integer> path = new ArrayList<>();
    private List<List<Integer>> result = new ArrayList<>();
    public List<List<Integer>> combine(int n, int k) {
        backingTracking(n,k,1);
        return result;
    }
    void backingTracking(int n,int k,int beginIndex){
        if(path.size()==k){
            //收割结果
            result.add(new ArrayList(path));
            return;
        }
        //单层递归逻辑
        //不是0开始,而是1
        for(int i = beginIndex;i<=n-(k-path.size())+1;i++){
            path.add(i);
            //递归
            backingTracking(n,k,i+1);
            //回溯
            path.removeLast();
        }
    }
}

文章来源:https://blog.csdn.net/weixin_65728526/article/details/135153496
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。