回溯法的实质:解决一个回溯的问题,实际上就是一个决策树的遍历过程
回溯法算法框架:
1. 路径:也就是已经做出的选择
2. 选择列表: 也就是你当时可以做的选择
3. 结束条件: 也就是到达决策树底层,无法再做选择的条件(决策树已被遍历完)
回溯法算法框架代码呈现:
···
result = []
def backtrack( 路径 , 选择列表 ):
if 满足结束条件:
result.add(路径);
for 选择 in 选择列表:
做选择
backtrack(路径,选择列表);//递归
撤销选择 // 只有撤销当前选择,才能遍历决策树的所有路径
···
核心:就是 for 循环里面的递归,在递归调用之前「做选择」,在递归调用之后「撤销选择」,但是根据不同题目,可能还要进行不同的剪枝操作
最简单的回溯法:全排列,以[1 , 2 , 3] 为例,先固定第一位为 1,然后第二位可以是 2,那么第三位只能是 3;然后可以把第二位变成 3,第三位就只能是 2 了;然后就只能变化第一位,变成 2,然后再穷举后两位……
其所对应的决策树如下:(选择的每个节点实质上都是在做决策的过程)
当开始穷举时,你可以从1,2,3中选择任意一个数字,如果你现在选择了2这个分支
然后你继续做决策(只能在unvisited的列表中做选择->才能避免重复),可以选择 1 那条树枝,也可以选择 3 那条树枝。为啥只能在 1 和 3 之中选择呢?因为 2 这个树枝在你身后,这个选择你之前做过了,而全排列是不允许重复使用数字的
现在可以解答开头的几个名词:[2] 就是「路径」,记录你已经做过的选择;[1,3] 就是「选择列表」,表示你当前可以做出的选择;「结束条件」就是遍历到树的底层,在这里就是选择列表为空的时候(走到叶子节点了,这时候便可以return了,即当前路径的所有选择已经做完,没有可供选择的路径走了)。
如果明白了这几个名词,可以把「路径」和「选择」列表作为决策树上每个节点的属性,比如下图列出了几个节点的属性:
我们定义的backtrack函数其实就像一个指针,在这棵树上游走,同时要正确维护每个节点的属性,每当走到树的底层,其「路径」就是一个全排列。
与全排列相同的是,遍历一个多叉树:
···
void traverse(TreeNode root) {
for (TreeNode child : root.childern)
// 前序遍历需要的操作
traverse(child);
// 后序遍历需要的操作
}
```
所谓的前序遍历和后序遍历,他们只是两个很有用的时间点,换句话说遍历的路径是一样的,但是选择输出的时间点不一样,如下图所示:
前序遍历的代码在进入某一个节点之前的那个时间点执行,后序遍历代码在离开(撤销路径中)某个节点之后的那个时间点执行。
回想我们刚才说的,「路径」和「选择」是每个节点的属性,函数在树上游走要正确维护节点的属性,那么就要在这两个特殊时间点搞点动作:
再次回顾回溯算法的核心框架:
···
for 选择 in 选择列表:
# 做选择
将该选择从选择列表移除
路径.add(选择)
backtrack(路径, 选择列表)
# 撤销选择
路径.remove(选择)
将该选择再加入选择列表
···
我们只要在递归之前做出选择,在递归之后撤销刚才的选择,就能正确得到每个节点的选择列表和路径
下面开始写全排列的代码:
···
List> res = new LinkedList<>();//保存所有路径
//主函数,输入一组不重复的数字,返回他们的全排列
List> permute(int[] nums)
{
//记录路径
LinkedList
backtrack(nums,track);
return res;
}
public void backtrack(int[] nums,LinkedList
{
if(track.size() == nums.length)
{
res.add(new LinkedList(track));
return;
}
for(int i=0;i { //排除(已在路径中)重复的选择 if(track.contains(nums[i)) continue; //做选择 track.addLast(nums[i]); //进入下一层决策树 backtrack(nums,track); //撤销选择,走另一条路(取消当前节点,放入新选择的节点) track.removeLast(); } } ··· 当然,这个算法解决全排列不是很高效,应为对链表使用contains方法需要 O(N) 的时间复杂度。于是我们通过添加visited数组来对此算法进行改进。(但是必须说明的是,不管怎么优化,都符合回溯框架,而且时间复杂度都不可能低于 O(N!),因为穷举整棵决策树是无法避免的。这也是回溯算法的一个特点,不像动态规划存在重叠子问题可以优化,回溯算法就是纯暴力穷举,复杂度一般都很高。) ··· public List List if(nums == null || nums.length == 0) return res; int[] visited = new int[nums.length]; sort(res,nums,new ArrayList<>(),visited); return res; } public void sort(List if(cur.size() == nums.length){ res.add(new ArrayList(cur)); return ; } for(int i =0;i if(visited[i]!=0) continue; cur.add(nums[i]); visited[i] =1; sort(res,nums,cur,visited); cur.remove(cur.size()-1); visited[i] = 0; } } ··· N皇后问题: 给你一个 N×N 的棋盘,让你放置 N 个皇后,使得它们不能互相攻击。 PS:皇后可以攻击同一行、同一列、左上左下右上右下四个方向的任意单位。 直接套用框架 ··· vector /* 输入棋盘边长 n,返回所有合法的放置 */ vector // '.' 表示空,'Q' 表示皇后,初始化空棋盘。 vector backtrack(board, 0); return res; } // 路径:board 中小于 row 的那些行都已经成功放置了皇后 // 选择列表:第 row 行的所有列都是放置皇后的选择 // 结束条件:row 超过 board 的最后一行 void backtrack(vector // 触发结束条件 if (row == board.size()) { res.push_back(board); return; } int n = board[row].size(); for (int col = 0; col < n; col++) { // 排除不合法选择 if (!isValid(board, row, col)) continue; // 做选择 board[row][col] = 'Q'; // 进入下一行决策 backtrack(board, row + 1); // 撤销选择 board[row][col] = '.'; } } ··· 这部分主要代码,其实跟全排列问题差不多,isValid函数的实现也很简单: ··· /* 是否可以在 board[row][col] 放置皇后? */ bool isValid(vector int n = board.size(); // 检查列是否有皇后互相冲突 for (int i = 0; i < n; i++) { if (board[i][col] == 'Q') return false; } // 检查右上方是否有皇后互相冲突 for (int i = row - 1, j = col + 1; i >= 0 && j < n; i--, j++) { if (board[i][j] == 'Q') return false; } // 检查左上方是否有皇后互相冲突 for (int i = row - 1, j = col - 1; i >= 0 && j >= 0; i--, j--) { if (board[i][j] == 'Q') return false; } return true; } ··· 有的时候,我们并不想得到所有合法的答案,只想要一个答案,怎么办呢?比如解数独的算法,找所有解法复杂度太高,只要找到一种解法就可以。 其实特别简单,只要稍微修改一下回溯算法的代码即可: ··· // 函数找到一个答案后就返回 true bool backtrack(vector // 触发结束条件 if (row == board.size()) { res.push_back(board); return true; } ... for (int col = 0; col < n; col++) { board[row][col] = 'Q'; if (backtrack(board, row + 1)) return true; board[row][col] = '.'; } return false; } ``` 两种方法的java实现: ···java public class P51 { private static List charToString(char[][]array) { List result =newLinkedList<>(); for(char[] chars :array) { result.add(String.valueOf(chars)); } return result; } /** * 思考路径: * 1. 定位这是backtrack problem * 2. 思考决策树的构建过程 * 3. 思考回溯的模板 */ // 决策树的每一层表示棋盘上的每一行; 每个节点可以做出的选择是,在该行的任意一列放置一个皇后。 static class Solution1 { List public List if(n <=0)returnnull; res =newLinkedList<>(); char[][] board =newchar[n][n]; for(char[] chars : board) Arrays.fill(chars,'.'); backtrack(board,0); returnres; } /** * 路径:board中小于row的那些行都已经成功放置了皇后 * 可选择列表: 第row行的所有列都是放置Q的选择 * 结束条件: row超过board的最后一行 * * @param board * @param row */ private void backtrack(char[][] board,int row) { if(row== board.length) { res.add(charToString(board)); return; } int n = board[row].length; for(intcol =0; col < n; col++) { if(!isValid(board,row, col)) continue; board[row][col] ='Q'; backtrack(board,row+1); board[row][col] ='.'; } } private boolean isValid(char[][] board,int row , int col) { int rows= board.length; //checkisvalidincol for(char[] chars : board) if(chars[col] =='Q') returnfalse; //check isvalide upright for(inti =row-1, j = col +1; i >=0&& j =0&& j >=0; i--, j--) { if(board[i][j] =='Q')returnfalse; }returntrue; } } publicstaticclassSolution2 { /** * 优化isValid的查询,通过3个set来分别记录列、主对角线、副对角线上Q的情况,减少迭代的查询 * Key值:colIndex, [r-c], [r + c] 作为set的key */ private List privateSet colSet =newHashSet<>(); privateSet masterSet =newHashSet<>(); privateSet slaveSet =newHashSet<>(); public List char[][] board =newchar[n][n]; for(char[] chars : board) Arrays.fill(chars,'.'); backtrack(board,0); return res; } /** * path: board in [0, row -1] * choices for a row : every cols * time to end: row == board.length * * @param board * @param row */ private void backtrack(char[][] board,introw) { if(row== board.length) { res.add(charToString(board)); return; } for(int col =0; col < board[row].length; col++) { if(!isValide(board,row, col)) continue; updateRecords(board,row, col); backtrack(board,row+1); updateRecords(board,row, col); } } private void updateRecords(char[][] board,int row,int col) { if(colSet.contains(col)) { board[row][col] ='.'; colSet.remove(col); masterSet.remove(row- col); slaveSet.remove(row+ col); }else{ board[row][col] ='Q'; colSet.add(col); masterSet.add(row- col); slaveSet.add(row+ col); } } private boolean isValide(char[][] board,int row,int col) { return !colSet.contains(col)&& !masterSet.contains(row- col) && !slaveSet.contains(row+ col); } @Test public void test() { List> res = solveNQueens(4); for(List list : res) { for(String str : list) P.o(str); P.o("\n"); } } } } ```> permute(int[] nums) {
> res = new ArrayList<>();
> res,int [] nums,List
> res;
> solveNQueens(intn) {
> solveNQueens(int n) {