回溯算法解决组合排列问题

2024-08-29 20:04
文章标签 算法 问题 组合 解决 排列 回溯

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！


http://www.chinasem.cn/article/1118756。

相关文章

IDEA编译报错“java: 常量字符串过长”的原因及解决方法

IDEA编译报错“java: 常量字符串过长”的原因及解决方法

《IDEA编译报错“java:常量字符串过长”的原因及解决方法》今天在开发过程中,由于尝试将一个文件的Base64字符串设置为常量,结果导致IDEA编译的时候出现了如下报错java:常量字符串过长,... 目录一、问题描述二、问题原因2.1 理论角度2.2 源码角度三、解决方案解决方案①：StringBui
阅读更多...
mybatis和mybatis-plus设置值为null不起作用问题及解决

mybatis和mybatis-plus设置值为null不起作用问题及解决

《mybatis和mybatis-plus设置值为null不起作用问题及解决》Mybatis-Plus的FieldStrategy主要用于控制新增、更新和查询时对空值的处理策略,通过配置不同的策略类型... 目录MyBATis-plusFieldStrategy作用FieldStrategy类型每种策略的作
阅读更多...
linux下多个硬盘划分到同一挂载点问题

linux下多个硬盘划分到同一挂载点问题

《linux下多个硬盘划分到同一挂载点问题》在Linux系统中,将多个硬盘划分到同一挂载点需要通过逻辑卷管理（LVM）来实现,首先,需要将物理存储设备（如硬盘分区）创建为物理卷,然后,将这些物理卷组成... 目录linux下多个硬盘划分到同一挂载点需要明确的几个概念硬盘插上默认的是非lvm总结Linux下多
阅读更多...
Python Jupyter Notebook导包报错问题及解决

Python Jupyter Notebook导包报错问题及解决

《PythonJupyterNotebook导包报错问题及解决》在conda环境中安装包后,JupyterNotebook导入时出现ImportError,可能是由于包版本不对应或版本太高,解决方... 目录问题解决方法重新安装Jupyter NoteBook 更改Kernel总结问题在conda上安装了
阅读更多...
pip install jupyterlab失败的原因问题及探索

pip install jupyterlab失败的原因问题及探索

《pipinstalljupyterlab失败的原因问题及探索》在学习Yolo模型时,尝试安装JupyterLab但遇到错误,错误提示缺少Rust和Cargo编译环境,因为pywinpty包需要它... 目录背景问题解决方案总结背景最近在学习Yolo模型，然后其中要下载jupyter(有点LSVmu像一个
阅读更多...
Goland debug失效详细解决步骤(合集)

Goland debug失效详细解决步骤(合集)

《Golanddebug失效详细解决步骤(合集)》今天用Goland开发时,打断点,以debug方式运行,发现程序并没有断住,程序跳过了断点,直接运行结束,网上搜寻了大量文章,最后得以解决,特此在这... 目录Bug：Goland debug失效详细解决步骤【合集】情况一：Go或Goland架构不对情况二：
阅读更多...
解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

解决jupyterLab打开后出现Config option `template_path`not recognized by `ExporterCollapsibleHeadings`问题

《解决jupyterLab打开后出现Configoption`template_path`notrecognizedby`ExporterCollapsibleHeadings`问题》在Ju... 目录jupyterLab打开后出现“templandroidate_path”相关问题这是 tensorflo
阅读更多...
如何解决Pycharm编辑内容时有光标的问题

如何解决Pycharm编辑内容时有光标的问题

《如何解决Pycharm编辑内容时有光标的问题》文章介绍了如何在PyCharm中配置VimEmulator插件,包括检查插件是否已安装、下载插件以及安装IdeaVim插件的步骤... 目录Pycharm编辑内容时有光标1.如果Vim Emulator前面有对勾2.www.chinasem.cn如果tools工
阅读更多...
最长公共子序列问题的深度分析与Java实现方式

最长公共子序列问题的深度分析与Java实现方式

《最长公共子序列问题的深度分析与Java实现方式》本文详细介绍了最长公共子序列（LCS）问题,包括其概念、暴力解法、动态规划解法,并提供了Java代码实现,暴力解法虽然简单,但在大数据处理中效率较低,... 目录最长公共子序列问题概述问题理解与示例分析暴力解法思路与示例代码动态规划解法DP 表的构建与意义动
阅读更多...
Java多线程父线程向子线程传值问题及解决

Java多线程父线程向子线程传值问题及解决

《Java多线程父线程向子线程传值问题及解决》文章总结了5种解决父子之间数据传递困扰的解决方案,包括ThreadLocal+TaskDecorator、UserUtils、CustomTaskDeco... 目录1 背景2 ThreadLocal+TaskDecorator3 RequestContextH
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2