python排列组合问题_回溯问题Python框架总结——排列组合问题

本文是对leetcode回溯题的一些模板进行整理总结，很多关于回溯的blog都会引用对回溯算法的official definition和通用的解题步骤，如果是真的想研究这一算法思想，按照这样的方式来完全没有问题。不过个人觉得如果仅仅只是为了应试，那么掌握一些解题的模板会更直接的帮助理解回溯的算法思想。本文将举一些简单的例子来说明这些模板，不采用树来描述，使得对于数据结构不太了解的读者也相对友好。

基本思想：

回溯问题是对多叉树的深度搜索，遇到不满足条件的节点则回退，递归的搜索答案。在递归调用前，尝试一种可能的方案，那么在递归调用的时候，函数的开始，有判断语句，如果这种方案可行，记录下这种方案，并且return，否则，继续进行尝试，找到满足条件的解以后，回退到之前的选择。

常见模板：

1、无重复元素的全排列问题(或者有重复元素但是不需要去重)

一般在回溯的过程中，不断缩小原来数组的范围并添加至 $track$ 中，直至枚举完所有的元素，满足条件的添加到 $result$ 数组中, 模板如下

1 defproblem(nums):2 res =[]3 defbacktrack(nums, track):4 if (判断满足题目所给的条件): #如果不限制每个结果都需要用到所有元素，就不需要 if 判断，直接加入 res

5 res.append(track[:]) #这里必须传入track的拷贝，track[:], 否则答案全是空

6 return

7 for i inrange(len(nums)):8 backtrack(nums[:i] + nums[i+1:], track +nums[i])9 backtrack(nums, [])10 return 题目需要的res相关的参数，输出本身，长度，或者其他的

以下题目为实战中套用框架解题

由于是全排列，只要没得选了，那就是我们所需的答案，加入 $result$ 并且 $return$

1 classSolution:2 def permute(self, nums: List[int]) ->List[List[int]]:3 res =[]4 defbacktrack(nums, track):5 if notnums:6 res.append(track[:])7 return

8 for i inrange(len(nums)):9 backtrack(nums[:i] + nums[i+1:], track+[nums[i]])10 backtrack(nums, [])11 return res

2、有重复元素的全排列问题

遇到有重复元素的问题，最好先进行排序，再采用剪枝的方法来进行去重，具体分析见 4。这里给出全排列有重复元素去重的框架：

1 defproblem(nums):2 res =[]3 nums.sort()4 defbacktrack(nums, track):5 if (判断满足题目所给的条件): #如果不限制每个结果都需要用到所有元素，就不需要 if 判断，直接加入 res

6 res.append(track[:]) #这里必须传入track的拷贝，track[:], 否则答案全是空

7 return

8 for i inrange(len(nums)):9 if i > 0 and nums[i] == nums[i-1]: #剪枝去重

10 continue

11 backtrack(nums[:i] + nums[i+1:], track +nums[i])12 backtrack(nums, [])13 return 题目需要的res相关的参数，输出本身，长度，或者其他的

先将字符串放在入列表中进行排序，后进行剪枝去重。

由于不需要求具体有哪些排列，因此只需要用一个变量来记录过程中的结果。类似的，$N$皇后与$N$皇后Ⅱ的差别也仅在于是否需要建立一个列表或者一个变量来保存结果。

初始 $ans$ 设为 -1，因为题目要求最后的结果非空，提前减去一个空字符串。

1 classSolution:2 def numTilePossibilities(self, tiles: str) ->int:3 self.ans = -1

4 tiles =list(tiles)5 tiles.sort()6 defbacktrack(tiles):7 self.ans += 1

8 for i inrange(len(tiles)):9 if i > 0 and tiles[i] == tiles[i-1]:10 continue

11 backtrack(tiles[:i] + tiles[i+1:])12 backtrack(tiles)13 return self.ans

3、数组元素不重复且数组元素不可以重复使用的组合问题

这种问题在高中找多少种不同的组合比较常见，比如找 $[1,2,3]$ 这样的数组有多少种非空的子集，那么我们按照高中的不重复不遗漏的找法，一般是先确定 $1$，然后找 $2$, $3$ 里面的，第一轮找出来是 $[1]$ , $[1,2]$ , $[1,3]$ , $[1,2,3]$，这时候对于 $1$ 来说，没有更多的元素可以和它组成子集了，那么现在去掉 $1$，再从 $[2,3]$ 里面找剩余的，第二轮出来的是 $[2]$, $[2,3]$，最后一轮从 $[3]$ 中找，也就是 $[3]$。这样我们就得到了不重复不遗漏的所有非空子集。

可以看到，这种问题，越搜索，数据范围越小，比上一轮起始数据向后移动了一位，那么在递归调用中就可以用一个 $index$ 标志 $+1$ 来表示现在的起始位置从上一轮 $+1$ 的位置开始。框架如下

1 defproblem(nums):2 res =[]3 defbacktrack(index, track):4 if(满足题目中的条件):5 res.append(track[:])6 return

7 for i inrange(index, len(nums)):8 backtrack(i + 1, track +[nums[i]])9 backtrack(0, []) #这里不一定是0，根据实际的起始条件来给

10 return res

以下三题为实战中用框架解题

实际问题的返回条件是每个组合内有 $k$ 个数，那么就是 $track$ 长度需要是k的时候返回。由于这里题目并没有直接给出数组，是用 $1-n$ 来代替，那么起始条件就是 $1$，数组用 $1-n$ 的范围来代替就好。

1 classSolution:2 def combine(self, n: int, k: int) ->List[List[int]]:3 res =[]4 defbacktrack(index, track):5 if len(track) ==k:6 res.append(track[:])7 return

8 for i in range(index, n+1):9 backtrack(i + 1, track +[i])10 backtrack(1, [])11 return res

直接套入框架，这里每一次搜索的路径都要记录下来，那就记录一下每次的路径就行了，不需要再判断什么时候的结果才保存

1 classSolution:2 def subsets(self, nums: List[int]) ->List[List[int]]:3 res =[]4 defbacktrack(index, track):5 res.append(track[:])6 for i inrange(index, len(nums)):7 backtrack(i+1, track +[nums[i]])8 backtrack(0, [])9 return res

此题看上去数组中的数可以重复，比如可以拨打“232”，但是由于是字符串，顺序是一定的，而且拨打第一个 $2$ 和第二个 $2$，对应的字母也可能不同，所以仍然可以看做是数组中元素不重复且不能重复使用的问题。

用字典记录下对应关系，之后代入框架即可，注意读取字典键和值的各种括号就行，最终结果是字符串的时候，$track$ 初始设为“”替代 $[]$

1 classSolution:2 def letterCombinations(self, digits: str) ->List[str]:3 if notdigits:4 return[]5 res =[]6 dic = {'2':'abc','3':'def','4':'ghi','5':'jkl','6':'mno','7':'pqrs','8':'tuv','9':'wxyz'}7 defbacktrack(index, track):8 if len(track) ==len(digits):9 res.append(track)10 return

11 for i inrange(len(dic[digits[index]])):12 backtrack(index + 1, track +dic[digits[index]][i])13 backtrack(0, "")14 return res

4、数组元素有重复但不可以重复使用的组合问题

这一类问题和第二种类型的问题相似，最主要的是要对结果进行去重，也就是对深搜的N叉树进行剪枝。比如我们要找 $[2,1,2,4]$ 有多少种不重复的子集组合，按照我们的高中知识，为了不重复不遗漏，我们应该先排序这个数组，得到 $[1,2,2,4]$，这时候从1开始找，第一轮是 $[1]$ , $[1,2]$，接下来遇到一个相同的 $2$，我们为了不重复，会跳过它，不看，因为 $len = 2$ 的时候，如果再选 $2$，就会得到重复的结果，然后是 $[1,4]$, $[1, 2, 2]$, $[1, 2, 4]$, $[1,2,2,4]$，我们在找 $len=3$ 的时候，同样，当第二位选了第一个 $2$ 以后，第二位就不再考虑选第二个 $2$ 的情况，因为它们的结果相同，至此，第一轮结束。

第二轮去掉 $1$,在 $[2,2,4]$ 里面找，$[2]$,  $[2,2]$, $[2,4]$, $[2,2,4]$, 第三轮去掉一个 $2$，本来应该在 $[2,4]$ 里面找，假如我们这样找结果，会得到 $[2]$, $[2,4]$，产生重复，因为 $[2,4]$ 的情况已经包含在 $[2,2,4]$ 中了，这就是有重复元素的情况下，我们在同一个位置进行选择的时候，应该跳过相同的元素，否则会产生重复。第三轮实际在 $[4]$ 里面找，得到 $[4]$。

框架如下

1 defproblem(nums):2 res =[]3 nums.sort() #排序，为了后面去重做准备

4 defbacktrack(index, track):5 if(满足题目条件):6 res.append(track[:])7 for i inrange(index, len(nums)):8 ###进行剪枝，跳过相同位置重复的数字选择

9 if i > index and nums[i] == nums[i-1]:10 continue

11 backtrack(i + 1, track +[nums[i]])12 backtrack(0, [])13 return res

以下两题为实战中用框架解题

搜索路径上所有结果全部保留，直接套入上述框架即可

1 classSolution:2 def subsetsWithDup(self, nums: List[int]) ->List[List[int]]:3 res =[]4 nums.sort()5 defbacktrack(index, track):6 res.append(track[:])7 for i inrange(index, len(nums)):8 if i > index and nums[i] == nums[i-1]:9 continue

10 backtrack(i + 1, track +[nums[i]])11 backtrack(0, [])12 return res

这里唯一的差别是在于需要把目标和也一起代入进递归调用中，每次判断如果是目标和就加入最终结果，加超过了目标和那就不符合，直接跳出

1 classSolution:2 def combinationSum2(self, candidates: List[int], target: int) ->List[List[int]]:3 candidates.sort()4 res =[]5 defbacktrack(index, track, target):6 if target ==0:7 res.append(track[:])8 return

9 for i inrange(index, len(candidates)):10 if target - candidates[i] <0: # 超过目标和11 break

12 if i > index and candidates[i] == candidates[i-1]:13 continue

14 backtrack(i + 1, track + [candidates[i]], target -candidates[i])15 backtrack(0, [], target)16 return res

5、数组元素不重复但可以重复使用

这一类的问题同样也是第二种问题演变而来，唯一的区别是递归调用 $backtrack$ 的时候，把 $i + 1$ 改成 $i$ ，那么下一个位置又可以用这个元素了，即可实现有重复

1 classSolution:2 def combinationSum(self, candidates: List[int], target: int) ->List[List[int]]:3 res =[]4 candidates.sort()5 defbacktrack(index, track, target):6 if target ==0:7 res.append(track[:])8 return

9 for i inrange(index, len(candidates)):10 if target - candidates[i] <0:11 break

12 ###把原来递归的时候 i+1 改成 i，当前的元素又可以再用一次了

13 backtrack(i, track + [candidates[i]], target -candidates[i])14 backtrack(0, [], target)15 return res