在最初尝试学习算法时,对两个算法留下了深刻的印象,一个是动态规划,另一个就是回溯算法。如果说算法思想的艺术,那归于动态规划;但如果说用计算机执行机制解决问题的艺术,那非回溯算法莫属了,也由衷的赞叹,原来计算机还能这么执行。
什么是回溯算法?它能解决什么问题?带着这两个问题,然后用示例来回答这几个问题是本章的目的。
回溯算法是建立在递归之上,虽说第四章已经详细说明了递归的执行机制,但例子都是简单的单递归形式。所以本章首先复习下递归,之后层层递进,最后直至解决回溯的代表问题N
皇后,逐步彻底搞懂回溯算法。闲言少叙,一起来认识这么酷的算法吧。
我想每个人都希望自己拥有回到过去的能力,如果当时选择勇敢的追她,也许现在就没遗憾了吧?如果当时能好好学习,现在也不至于被学历卡脖子了?如果当时听父母的留在老家,现在也不至于这么累吧?每一个选择的背后,都是舍弃掉其他选择的可能性,也就是选择的机会成本。
回到算法,那有没可能上述三个选择我都做了,最后我还把它们选择之后的结果进行比较,选择最满意的那个。可以!回溯恰恰就是能把每种可能性都尝试的算法,这是一种暴力搜索算法,它可以对问题每个不同的分支进行尝试,不要说人生的十字路口,就是米字路口我也把每种结果给你整明白。
回溯算法能进行暴力的搜索,那它到底具体能解决什么问题?
它解决的问题是需要暴力才能解决的问题-_-#
, 以下列举回溯能解决的六种常见问题类型。
比如请给出数字[1, 2, 3, 4]
两两组合的每种可能性,结果就是[12, 13, 14, 23, 24, 34]
,因为23
和32
是一个组合,所以忽略32
。如果你说这个很简答了,使用循环也可以解决,那题目条件换一下,给出数字1 - 20
之间每12
种组合的可能性,这时遍历就不好使了。
给出[1, 2, 3]
所有的全排列的可能性,结果就是[123, 132, 213, 231, 312, 321]
。
给出数字[1, 2, 3]
所有的子集(幂集)的可能性,结果就是[[], [1], [1,2], [1,2,3], [1,3], [2], [2,3], [3]]
。
给出一个数字字符串25525511135
,返回它所有组成IP
地址格式的可能,结果就是["255.255.11.135", "255.255.111.35"]
。
问题类型参考力扣200
岛屿和547
朋友圈,之后详细介绍。
类型参考解数独和8
皇后问题,之后详细介绍。
上述的六种类型看着区别可能挺大,其实它们都是树型问题这个类型,这个到具体问题讲解时再说明其中的道道。
因为回溯是建立在递归之上,也可以说回溯就是递归,只是递归更复杂些的调用,所以我们还是先用两个题目重新理解下的递归调用。
给你一个数组 nums , 请返回 nums 的动态和。
输入:nums = [1,2,3,4]
输出:[1,3,6,10]
解释:动态和计算过程为 [1, 1+2, 1+2+3, 1+2+3+4] 。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/running-sum-of-1d-array
简单来说,就是依次累加的过程,每一个数字的和,等于它之前所有的元素加上自身的和。从前往后使用一次遍历解决:
var runningSum = function (nums) {
for (let i = 0; i < nums.length - 1; i++) {
nums[i + 1] = nums[i + 1] + nums[i]
}
return nums
};
此时我们开始折腾,如果是使用递归如何解决这个问题?其实上面的描述:每一个数字的和,等于它之前所有元素加上自身的和已经将子问题进行的拆解。所以此时我们可以倒推,数组最后一个数字的和就等于它之前所有的和加上自身,再依次往前倒推后,代码如下:
var runningSum = function (nums) {
const _helper = end => {
if (end === 0) { // 到数组头了,开始归
return nums[0]
}
nums[end] = _helper(end - 1) + nums[end] // 它前面的元素加自身
return nums[end] // 返回计算后的结果
}
_helper(nums.length - 1) // 从最后一个数字开始
return nums
};
这是最简单的单递归调用,也就是说递归函数里只调用自身一次,接下来看一个调用自身两次的问题。
数字 n 代表生成括号的对数,请你设计一个函数,用于能够生成所有可能的并且有效的括号组合。
输入:n = 3
输出:
[
"((()))",
"(()())",
"(())()",
"()(())",
"()()()"
]
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/generate-parentheses
根据题意可知,最终的长度一定是2n
,且左括号和右括号的个数分别是n
,且必须以左括号作为有效括号的起始,只有右括号的剩余数量大于左括号时才能放置,先看代码,我画了一个执行顺序图,大家对比看看:
var generateParenthesis = function (n) {
const ret = [] // 存放有效的括号集合
const _helper = (left, right, parenthesi) => {
if (left === 0 && right === 0) { // 当左右括号的数量都用完时
ret.push(parenthesi) // 找到了一个有效的集合
}
if (left > 0) { // 放左括号的规则:当还有左括号时就可以进行放置
_helper(left - 1, right, parenthesi + '(') // 减少左括号的数量
}
if (right > left) { // 放右括号的规则:当右括号的剩余数量大于左括号时才能放置
_helper(left, right - 1, parenthesi + ')') // 减少右括号的数量
}
}
_helper(n, n, '') // 传入左括号和右括号的剩余数量
return ret
};
图中灰色的节点是部分剪枝的操作,因为只要是按照灰色节点添加括号,后续的生成必然是不合规的,所以在代码里直接不执行后续的递归即可。
还有就是这个函数是两次递归调用自身,首先是先执行添加左括号的递归,当左括号已经添加完时,再开始执行添加右括号的递归,注意观察第6
步到第7
步的跳跃,因为递归是调用自身两次,第2
步到第3
步只是执行了其中的一种可能性,因为是深度优先遍历,当这个可能性已经执行完毕时,就需要跳跃到第7
步执行另一种可能性,之后的每个函数遵循这样的规则,这也是递归的执行机制。
不难发现,当递归每一步的可能性是两次时,最终的执行顺序生成的就是一颗二叉树,递归的深度取决于最终结果的长度,结果是2n
长度,所以深度就是2n
。
回溯算法是啥?就是把这里的可能性
2
次,换成n
次,从而把二叉树会变成n
叉树,而且在每次递归之后再执行另外的操作,此时就是树的后序遍历执行的时机。
组合排列经常一起出现,这里先简单说明下它们的区别。
什么是组合?假设有三个明星abc
,有三位粉丝xyz
,让每位粉丝在其中选2
位认可的明星,有多少选法?很明显粉丝选ab
或ba
都无所谓,最终的结果里,这两种选择是一样的,所以这就是组合问题。
什么是排列?还是假如有三个明星abc
,有三位粉丝xyz
,让每位粉丝选出你认为的第1
名和第2
名,有多少种选法?很明显此时ab
和ba
就是两种不同的结果,都需要统计,这就是排列问题。
给定一个仅包含数字 2-9 的字符串,返回所有它能表示的字母组合。
给出数字到字母的映射如下(与电话按键相同)。注意 1 不对应任何字母。
输入:"23"
输出:["ad", "ae", "af", "bd", "be", "bf", "cd", "ce", "cf"]
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/letter-combinations-of-a-phone-number
以输入23
为例,就是把2
对应的abc
都分别提取出来,去和3
对应的def
进行组合。我们需要一个辅助函数来帮助我们这件事,它做的事就是把数字对应的字母取出来,用取出来的字母,去和下一个数字对应的字母进行组合,最终找到所有组合。
什么时候算是找到了一个符合要求的组合?当这个组合的长度等于输入数字的长度时,就算是找到了一个。
因为每一个数字平均代表的就是3
个字母,所以用递归来表示执行树时,就会是一颗三叉树。递归的深度是多少?取决于输入的数字的个数,例如当输入27465
五个数字时,最终执行树的深度就是5
层。
代码如下:
const letterCombinations = digits => {
if (digits === '') { // 当输入空字符串时
return [] // 返回空集合
}
const ret = [] // 用于存放所有找到的组合
const letterArr = [' ', '', 'abc', 'def', 'ghi', 'jkl', 'mno', 'pqrs', 'tuv', 'wxyz']
// 存放数字对应的字母表
const _helper = (start, s) => { // 辅助函数
if (s.length === digits.length) { // 找到了一个组合
ret.push(s)
return // 返回上一层递归
}
const letters = letterArr[digits[start]] // 对应的就是abc, def
for (let i = 0; i < letters.length; i++) {
_helper(start + 1, s + letters[i]) // 执行多次递归
}
}
_helper(0, '')
return ret
};
传入的参数start
,表示的是需要依次处理的输入数字的下标。以23
为例,首先处理下标0
也就是2
对应字母问题,在进入下一层递归时+ 1
,是为了处理3
对应的字母组合问题。
传入的s
表示的是当前组合,每次进入下一层递归时的s + letters[i]
,就是带着这一层的结果进行下一层。即使这一层已经符合组合的要求,也是在下一层的递归终止条件进行结果的保存,然后终止递归,回到上一层递归。
因为每一层的递归都是循环的执行n
次,所以当本层循环执行完,才会返回上一层。
给定两个整数 n 和 k,返回 1 ... n 中所有可能的 k 个数的组合。
示例:
输入: n = 4, k = 2
输出: [[1,2],[1,3],[1,4],[2,4],[2,3],[3,4]]
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/combinations
有了上一个组合问题的解决经验后,我们直接上执行树,再来解释这题的异同点,以1 ... 4
,且k
为2
为例:
例如13
和31
是同一个组合,所以在处理时,我们需要忽略'相同'
的组合,如何进行忽略操作?每次进入下一层递归时,起始的遍历的位置都进行+ 1
即可。其余的逻辑与上一题类似,代码如下:
var combine = function (n, k) {
if (n < 0 || k < 0 || k > n) { // n和k都得是符合条件的
return []
}
const ret = []
const _helper = (start, arr) => {
if (arr.length === k) {
ret.push(arr)
return
}
for (let i = start; i <= n; i++) { // i = start,忽略比start小的数进行组合
_helper(i + 1, arr.concat(i))
}
}
_helper(1, [])
return ret
};
这个解法确实能获得通过,但是好家伙,这也太慢了吧。原因就出在我们进入下一层递归的核心逻辑上:
_helper(i + 1, arr.concat(i))
没想到concat
这个方法会这么慢,其实我们的目的无非就是把当前的数字i
加入到数组里,然后带入到下一层递归去,所以我们可以使用push
方法。
同时也有一点,从执行树不难发现,最后去找另外一个组合时,需要将之前组合的末尾弹出才行,需要留出位置。所以我们在每次循环后,进行弹出留位置操作。优化如下:
var combine = function (n, k) {
if (n < 0 || k < 0 || k > n) {
return []
}
const ret = []
const _helper = (start, arr) => {
if (arr.length === k) {
ret.push([...arr]) // 需要进行拷贝
return
}
for (let i = start; i <= n; i++) {
arr.push(i)
_helper(i + 1, arr)
arr.pop()
}
}
_helper(1, [])
return ret
};
在终止条件那里找到了一个符合的组合时,我们需要进行一次拷贝,因为每一层的循环都有arr.pop()
操作,最终会影响所有收集到的组合。来看下优化后的结果:
给定一个无重复元素的数组 candidates 和一个目标数 target ,
找出 candidates 中所有可以使数字和为 target 的组合。
candidates 中的数字可以无限制重复被选取。
说明:
所有数字(包括 target)都是正整数。
解集不能包含重复的组合。
输入:candidates = [2,3,6,7], target = 7,
所求解集为:[[7], [2,2,3]]
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/combination-sum
这题有几个关键信息,首先是多了一个target
目标值,也就是说我们每次统计的值需要与这个目标值进行比对,一个对比较很有帮助的操作就是首先对candidates
进行排序,这样的话就可以将计算结果进行保存起来,只在它的基础进行加减即可。
还有一个信息是可以无限制的使用数组里的某个数,排序之后这个操作也会很方便,直接从最小的数开始统计每种组合的可能。
剩下的解题框架和上一题是类似的,我们写出来代码如下:
var combinationSum = function (candidates, target) {
candidates.sort((a, b) => a - b)
const ret = []
const _helper = (start, sum, arr) => {
if (sum > target) { // 因为是排好序的,所以sum接下来只会更大
return
}
if (sum === target) { // 正好找到了
ret.push([...arr])
return
}
for (let i = start; i < candidates.length; i++) {
sum += candidates[i] // sum为计算结果
arr.push(candidates[i]) // arr存放暂存的集合
_helper(i, sum, arr) // 注意第一个参数没有+ 1,因为要无限使用
sum -= candidates[i]
arr.pop()
}
}
_helper(0, 0, [])
return ret
};
有两个递归结束条件,如果是大于那就结束当前层递归,结束之后sum -= candidates[i]
,减去candidates[i]
这个不合规或已经被使用的值,然后弹出candidates[i]
,进入下一次循环。
其实和上一题的解题思路是一致的,只是说多了一些解题的限制条件而已。
回溯算法的复杂度我们还没有分析,这里简单的说明下。其实从之前的题目不难发现,回溯算法的复杂度非常高。例如17
题,如果输入5
个数字,那么最终执行树展开最下一层的节点就是3 * 3 * 3 * 3 * 3
个,这个数据规模是指数级别的O(2ⁿ)
。所以在处理大数据时回溯对计算机计算性能要求非常高,而回溯算法也有其特有剪枝操作来减少无谓的计算量。
回溯算法这个题目很广,剩下的几种题型再下一章进行讲解。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。