class Solution(object):
def subsets(self, nums):
"""
:type nums: List[int]
:rtype: List[List[int]]
"""
# 1.扩展法，一个一个数扩展
result = []
result.append([])
for num in nums:
temp = []
for res in result:
r = res[:]
r.append(num)
temp.append(r)
for t in temp:
result.append(t)
return result
拓展法：逐个遍历，加到前面的子集中，看运行结果可知
class Solution(object):
def subsets(self, nums):
"""
:type nums: List[int]
:rtype: List[List[int]]
"""
# 2.回溯法
result = []
result.append([])
# 遍历数组的长度
for i in range(1, len(nums)+1):
self.backtracking(nums, result, i, 0, [])
return result
def backtracking(self, nums, result, length, index, subset):
# 先写中止条件
if len(subset) == length:
temp = subset[:] # 避免引用传递
result.append(temp)
return
# 不满足，就从数组中逐个遍历，一个一个找
for i in range(index, len(nums)):
# 逐个往子集中存，然后查看是否满足需要长度的条件，不满足的化，接下来继续进入backtracking中往下寻找，满足的话，就pop()出当前的，然后从下一个节点开始，再去寻找满足条件的子集
subset.append(nums[i])
self.backtracking(nums, result, length, i+1, subset)
# 满足，先pop(),然后从下一个节点开始找，也就是当前for循环中i的下一个节点
subset.pop()
回溯法：长度为0，1，2，3 看运行结果可知
class Solution(object):
def subsets(self, nums):
"""
:type nums: List[int]
:rtype: List[List[int]]
"""
# 3.DFS
res = []
self.dfs(nums, res, 0, [])
return res
def dfs(self, nums, res, index, subset):
# 每次dfs都会产生一个子集
temp = subset[:] # 避免引用传递
res.append(temp)
# 终止条件
if index == len(nums):
return
# 遍历整个数组，一直往下找，找到最后一个，就返回，从for循环的下一个点开始，
# 再接着往下找，再找到最后一个，停止，如次循环。
# 不撞南墙不回头找法
for i in range(index, len(nums)):
subset.append(nums[i])
self.dfs(nums, res, i+1, subset)
subset.pop()
DFS:不撞南墙不回头遍历法，一直找到len(nums)为止，看运行结果可知
