回溯算法解决组合排列问题

本文主要是介绍回溯算法解决组合排列问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

首先，组合问题和子集问题其实是等价的，这个后面会讲；至于之前说的三种变化形式，无非是在这两棵树上剪掉或者增加一些树枝罢了

我们通过保证元素之间的相对顺序不变来防止出现重复的子集。

如果把根节点作为第 0 层，将每个节点和根节点之间树枝上的元素作为该节点的值，那么第 n 层的所有节点就是大小为 n 的所有子集。

回溯算法就是个多叉树的遍历问题，关键就是在前序遍历和后序遍历的位置做一些操作，算法框架如下：

def backtrack(...):for 选择 in 选择列表:做选择backtrack(...)撤销选择

写 backtrack 函数时，需要维护走过的「路径」和当前可以做的「选择列表」，当触发「结束条件」时，将「路径」记入结果集。

78. 子集

class Solution:def __init__(self):self.res = []def subsets(self, nums: List[int]) -> List[List[int]]:track = [] #回溯问题的track多使用局部变量来表达，再通过回溯函数传递，局部变量具有临时使用的特性，不是一直使用self.backtrack(nums, 0, track) return self.res def backtrack(self, nums, start, track) :self.res.append(track[:]) #初始为空，for i in range(start, len(nums)):#这里的nums就是选择列表track.append(nums[i])self.backtrack(nums, i + 1, track)track.pop()

77. 组合

class Solution:def __init__(self):self.res = []# 记录回溯算法的递归路径self.track = []# 主函数def combine(self, n: int, k: int) -> List[List[int]]:self.backtrack(1, n, k)#k>=1 ， 所以这里start可以从1开始return self.resdef backtrack(self, start: int, n: int, k: int) -> None:# base caseif k == len(self.track):# 遍历到了第 k 层，收集当前节点的值self.res.append(self.track.copy())return# 回溯算法标准框架for i in range(start, n+1):# 选择self.track.append(i)# 通过 start 参数控制树枝的遍历，避免产生重复的子集self.backtrack(i + 1, n, k)# 撤销选择self.track.pop()

组合问题可以由子集问题容易得到，取第k层就可以获得大小为k的组合。

刚才讲的组合/子集问题使用 start 变量保证元素 nums[start] 之后只会出现 nums[start+1..] 中的元素，通过固定元素的相对位置保证不出现重复的子集。

但排列问题本身就是让你穷举元素的位置，nums[i] 之后也可以出现 nums[i] 左边的元素，所以之前的那一套玩不转了，需要额外使用 used 数组来标记哪些元素还可以被选择 排列问题本来就是在玩转位置

递归就像你遇到一个任务，它的解决方法是去完成一个规模更小但相似的任务，而那个小任务的解决方法又是去完成另一个更小的任务，直到任务小到你可以轻松完成为止。在编程中，这种技术通过函数自我调用来实现，用于解决可以分解成子问题的问题。

90. 子集 II

class Solution:def __init__(self):self.res = []self.track = []def subsetsWithDup(self, nums: List[int]) -> List[List[int]]:# 先排序，让相同的元素靠在一起nums.sort()self.backtrack(nums, 0)return self.resdef backtrack(self, nums: List[int], start: int) -> None:# 前序位置，每个节点的值都是一个子集self.res.append(self.track[:])for i in range(start, len(nums)):# 剪枝逻辑，值相同的相邻树枝，只遍历第一条if i > start and nums[i] == nums[i - 1]:continueself.track.append(nums[i])self.backtrack(nums, i + 1)self.track.pop()

两条值相同的相邻树枝会产生重复 ，进行剪枝操作，

剪枝（Pruning）是一种在算法（尤其是回溯算法）中使用的优化技术。它的核心思想是在搜索问题解空间时，提前终止那些不会产生有效解或不必要的搜索路径，从而减少计算量，提高算法效率。

什么是剪枝操作

在许多组合问题中，解空间（所有可能的解组合）可能非常庞大，而其中只有一部分是有效的或符合要求的解。剪枝的目的是在搜索的过程中，识别并跳过那些不可能产生有效解的分支。

例如，在回溯算法中，每次选择一个选项（即进入一个分支），再继续尝试下一个选项。但在某些情况下，你可以通过提前判断，发现某个分支已经不能满足条件，那么就可以直接放弃这个分支的进一步探索，这就是剪枝。

为什么要剪枝

1. 减少计算量：剪枝可以大幅度减少需要计算的分支，从而减少整个问题的搜索空间。例如，在求解一个复杂的组合问题时，如果不剪枝，算法可能需要遍历所有可能的组合。但通过剪枝，可以跳过不可能的分支，减少遍历的次数。
2. 提高效率：剪枝可以显著提高算法的运行效率，使得原本可能无法在合理时间内完成的计算变得可行。在一些实际应用中，剪枝往往是使问题从“无法解决”变为“可以解决”的关键。
3. 避免冗余计算：剪枝还能帮助避免重复计算不必要的分支。例如，在某些问题中，某些路径可能会多次出现，通过剪枝可以避免这些重复的计算。

总结

剪枝操作通过智能地减少算法的搜索空间，显著提升了算法的效率和执行速度。在处理组合问题、搜索问题时，剪枝往往是不可或缺的优化手段。它的核心思想就是“减少不必要的工作”，通过跳过不可能成功的路径来节省时间和资源。

• 作用范围：
  • continue 仅影响循环内部，它会跳过当前迭代的剩余部分，但循环仍继续执行下一次迭代。
  • return 直接终止整个函数的执行，并且函数返回到调用者处，不再执行任何代码。
• 使用位置：
  • continue 只能用于循环中（如 for 和 while）。
  • return 只能用于函数内部，用来结束函数并返回值。
• 执行流程影响：
  • continue 只是跳过循环中的部分代码，不会终止循环本身。
  • return 则完全终止函数的执行，并返回到函数的调用点。

总结

• continue 是一个跳过当前循环迭代剩余部分的指令，让循环继续下一个迭代。
• return 则是一个结束函数执行的指令，通常用于函数的结果返回，并退出函数。

两者在控制程序执行流程时，作用域和效果截然不同。

也就是continue是在循环时候使用， return是在函数结束递归的时候使用。!!!基础知识点

组合问题和子集问题是等价的， 剪枝操作！！第一次接触

40. 组合总和 II

class Solution:def __init__(self):self.res = []# 记录回溯的路径self.track = []# 记录 track 中的元素之和self.trackSum = 0def combinationSum2(self, candidates: List[int], target: int) -> List[List[int]]:# 先排序，让相同的元素靠在一起candidates.sort()self.backtrack(candidates, 0, target)return self.res# 回溯算法主函数def backtrack(self, nums: List[int], start: int, target: int):# base case，达到目标和，找到符合条件的组合if self.trackSum == target:self.res.append(self.track[:])return#return代表这一层递归结束# base case，超过目标和，直接结束 #也是剪纸的一部分if self.trackSum > target:return# 回溯算法标准框架for i in range(start, len(nums)):# 剪枝逻辑，值相同的树枝，只遍历第一条 #减去旁边值相同的数值，不然会造成重复使用if i > start and nums[i] == nums[i - 1]: #减去数枝continue#continue只是这一层循环结束# 做选择self.track.append(nums[i])self.trackSum += nums[i]# 递归遍历下一层回溯树self.backtrack(nums, i + 1, target)# 撤销选择self.track.pop()self.trackSum -= nums[i] 

47. 全排列 II

class Solution:def __init__(self):self.track = []self.res = []self.used = []def permuteUnique(self, nums: List[int]) -> List[List[int]]:nums.sort()#加一下排序，后序进行剪纸self.used = [False] * len(nums)self.backtrack( nums) return self.res def backtrack(self, nums) -> None:if len(self.track) == len(nums):self.res.append(self.track[:])return #这里加return结束递归for i in range(0, len(nums)):if self.used[i]:continue #这是排列问题，这个元素用过就不能再排列了if i > 0 and nums[i] == nums[i - 1] and not self.used[i - 1]:continue self.track.append(nums[i])self.used[i] = True self.backtrack(nums)self.track.pop()self.used[i] = False 

此剪枝思路，保证了2,2’,2’'的相对位置，去除了重复。

保证相同元素在排列中的相对位置保持不变。 标准全排列算法之所以出现重复，是因为把相同元素形成的排列序列视为不同的序列，但实际上它们应该是相同的；而如果固定相同元素形成的序列顺序，当然就避免了重复。 当出现重复元素时，比如输入 nums = [1,2,2',2'']，2' 只有在 2 已经被使用的情况下才会被选择，同理，2'' 只有在 2' 已经被使用的情况下才会被选择，这就保证了相同元素在排列中的相对位置保证固定。

子集问题和组合问题是同一类问题 标准的子集，组合问题，通过控制start来控制无重复问题， 排列问题通过used来控制位置。

# 无重组合的回溯算法框架
def backtrack(nums: List[int], start: int) -> None:for i in range(start, len(nums)):# ...# 递归遍历下一层回溯树，注意参数backtrack(nums, i + 1)# ...

想让每个元素被重复使用，我只要把 i + 1 改成 i 即可：

# 可重组合的回溯算法框架
def backtrack(nums: List[int], start: int):for i in range(start, len(nums)):# ...# 递归遍历下一层回溯树，注意参数backtrack(nums, i)# ...

当然，这样这棵回溯树会永远生长下去，所以我们的递归函数需要设置合适的 base case 以结束算法

类变量:

• 类变量是在类的定义中声明的变量，不属于任何特定的实例。所有该类的实例共享同一个类变量的值。
• 在Python中，类变量通常在类体内（但在任何方法之外）定义。它们由类的所有实例共享，这意味着如果一个实例修改了类变量的值，那么这个修改对所有实例都可见。

实例变量:

• 实例变量是在类的实例（对象）中声明的变量。每个实例都有自己独立的实例变量，互不干扰。
• 在Python中，实例变量通常在 __init__ 方法中使用 self 关键字进行声明，并且只属于特定的实例。

class Solution:def __init__(self):self.res = []def combinationSum(self, candidates: List[int], target: int) -> List[List[int]]:self.backtrack(candidates, 0, target, 0) #sum一开始是0return self.res track = []#这里的track是类变量，写在init里面写成类变量也可以def backtrack(self, candidates: List, start:int, target: int, sum: int) -> None:if sum == target:self.res.append(self.track.copy())return if sum > target:return for i in range(start, len(candidates)):self.track.append(candidates[i])sum += candidates[i]self.backtrack(candidates, i, target, sum)sum -= candidates[i]self.track.pop()

总结

• 类变量: 用于共享属性或方法，适合类的所有实例共享的值。
• 实例变量: 用于保存对象的状态，适合每个实例独立维护的值。
• 局部变量: 用于函数或方法的临时计算，适合只在函数或方法内部使用的值。

总结：

形式一、元素无重不可复选，即 nums 中的元素都是唯一的，每个元素最多只能被使用一次，backtrack 核心代码如下：

# 组合/子集问题回溯算法框架
def backtrack(nums: List[int], start: int):# 回溯算法标准框架for i in range(start, len(nums)):# 做选择track.append(nums[i])# 注意参数backtrack(nums, i + 1)# 撤销选择track.pop()# 排列问题回溯算法框架
def backtrack(nums: List[int]):for i in range(len(nums)):# 剪枝逻辑if used[i]:continue# 做选择used[i] = Truetrack.append(nums[i])backtrack(nums)# 撤销选择track.pop()used[i] = False

形式二、元素可重不可复选，即 nums 中的元素可以存在重复，每个元素最多只能被使用一次，其关键在于排序和剪枝，backtrack 核心代码如下： 跳出重复元素

nums.sort()
# 组合/子集问题回溯算法框架
def backtrack(nums: List[int], start: int):# 回溯算法标准框架for i in range(start, len(nums)):# 剪枝逻辑，跳过值相同的相邻树枝if i > start and nums[i] == nums[i - 1]:continue# 做选择track.append(nums[i])# 注意参数backtrack(nums, i + 1)# 撤销选择track.pop()nums.sort()
# 排列问题回溯算法框架
def backtrack(nums: List[int]):for i in range(len(nums)):# 剪枝逻辑if used[i]:continue# 剪枝逻辑，固定相同的元素在排列中的相对位置if i > 0 and nums[i] == nums[i - 1] and not used[i - 1]:continue# 做选择used[i] = Truetrack.append(nums[i])backtrack(nums)# 撤销选择track.pop()used[i] = False

形式三、元素无重可复选，即 nums 中的元素都是唯一的，每个元素可以被使用若干次，只要删掉去重逻辑即可，backtrack 核心代码如下：

# 组合/子集问题回溯算法框架
def backtrack(nums: List[int], start: int):# 回溯算法标准框架for i in range(start, len(nums)):# 做选择track.append(nums[i])# 注意参数backtrack(nums, i)# 撤销选择track.pop()# 排列问题回溯算法框架
def backtrack(nums: List[int]):for i in range(len(nums)):# 做选择track.append(nums[i])backtrack(nums)# 撤销选择track.pop()

这篇关于回溯算法解决组合排列问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---