Leetcode（77）——组合
Leetcode（77）——组合
题目
给定两个整数 n 和 k，返回范围 [ 1 , n ] [1, n] [1,n] 中所有可能的 k 个数的组合。
你可以按 任何顺序 返回答案。
示例 1：
输入：n = 4, k = 2
输出：
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
示例 2：
输入：n = 1, k = 1
输出：[[1]]
提示：
- 1 1 1 <= n <= 20 20 20
- 1 1 1 <= k <= n n n
题解
方法一：回溯法
思路
类似于排列问题，比如 Leetcode.46.全排列，我们也可以进行回溯。但是 排列回溯的是交换的位置，而组合回溯的是是否把当前的数字加入结果中。
在这里我们还是用了剪枝以优化算法，从而减小时间复杂度——通过剪去无意义的遍历和递归。
如果当前 nums \textit{nums} nums 的大小为 s s s，未确定状态的区间 [ cur , n ] [\textit{cur}, n] [cur,n] 的长度为 t t t，如果 s + t < k s + t < k s+t<k，那么即使 t t t 个都被选中，也不可能构造出一个长度为 k k k 的序列，故这种情况就没有必要继续向下递归——即我们可以在每次递归开始的时候做一次这样的判断。
下面的图片绿色部分是剪掉的枝叶，当 n n n 很大的时候，能少遍历很多结点，节约了时间。
代码实现
Leetcode 官方题解：
class Solution {
public:
vector<int> temp;
vector<vector<int>> ans;
void dfs(int cur, int n, int k) {
// 剪枝：temp 长度加上区间 [cur, n] 的长度小于 k，不可能构造出长度为 k 的 temp
if (temp.size() + (n - cur + 1) < k) {
return;
}
// 记录合法的答案
if (temp.size() == k) {
ans.push_back(temp);
return;
}
// 考虑选择当前位置
temp.push_back(cur);
dfs(cur + 1, n, k);
temp.pop_back();
// 考虑不选择当前位置
dfs(cur + 1, n, k);
}
vector<vector<int>> combine(int n, int k) {
dfs(1, n, k);
return ans;
}
};
我自己的：
// 初始版本
class Solution {
vector<int> nums;
vector<vector<int>> ans;
void DFS(int k, int n, int first){
if(k == nums.size()){
ans.emplace_back(nums);
}else{
for(int i = first; i <= n; i++){
nums.push_back(i);
DFS(k, n, i+1);
nums.pop_back();
}
}
}
public:
vector<vector<int>> combine(int n, int k){
// [1, n] 中的 C{k_n}
int last = n+1-k;
DFS(k, n, 1);
return ans;
}
};
// 改进后（剪枝法）
class Solution {
vector<int> nums;
vector<vector<int>> ans;
void DFS(int k, int n, int first){
if(k-nums.size() > n-first+1) return; // 剪枝
if(k == nums.size()){
ans.emplace_back(nums);
}else{
for(int i = first; i <= n; i++){
nums.push_back(i);
DFS(k, n, i+1);
nums.pop_back();
}
}
}
public:
vector<vector<int>> combine(int n, int k){
// [1, n] 中的 C{k_n}
int last = n+1-k;
DFS(k, n, 1);
return ans;
}
};
复杂度分析
- 时间复杂度： O ( ( n k ) × k ) O({n \choose k} \times k) O((kn)×k)
- 空间复杂度： O ( n + k ) = O ( n ) O(n+k)=O(n) O(n+k)=O(n)，因为 n > = k n >= k n>=k，即递归使用栈空间的空间代价和临时数组 nums \textit{nums} nums 的空间代价。
方法二：非递归（字典序法）实现组合型枚举
思路
这里的非递归版不是 简单的用栈模拟递归转化为非递归：我们希望通过合适的手段，消除递归栈带来的额外空间代价。
假设我们把原序列中被选中的位置记为 1 1 1，不被选中的位置记为 0 0 0，对于每个方案都可以构造出一个二进制数。我们让原序列从大到小排列（即 { n , n − 1 , ⋯ 1 , 0 } \{ n, n - 1, \cdots 1, 0 \} {n,n−1,⋯1,0}）。我们先看一看 n = 4 n = 4 n=4， k = 2 k = 2 k=2 的例子：
我们可以看出 「对应的二进制数」一列包含了由 k k k 个 1 1 1 和 n − k n - k n−k 个 0 0 0 组成的所有二进制数，并且它们按照字典序排列。这给了我们一些启发，我们可以通过某种方法枚举，使得生成的序列是根据字典序递增的。我们可以考虑有一个二进制数数字 x x x，它由 k k k 个 1 1 1 和 n − k n - k n−k 个 0 0 0 组成，如何找到它的字典序中的下一个数字 n e x t ( x ) {next}(x) next(x) 呢？这里分两种情况：
- 规则一： x x x 的最低位为 1 1 1，这种情况下，如果末尾由 t t t 个连续的 1 1 1，我们直接将倒数第 t t t 位的 1 1 1 和倒数第 t + 1 t + 1 t+1 位的 0 0 0 替换，就可以得到 n e x t ( x ) {next}(x) next(x)。如 0011 → 0101 0011 \rightarrow 0101 0011→0101， 0101 → 0110 0101 \rightarrow 0110 0101→0110， 1001 → 1010 1001 \rightarrow 1010 1001→1010， 1001111 → 1010111 1001111 \rightarrow 1010111 1001111→1010111。
- 规则二： x x x 的最低位为 0 0 0，这种情况下，末尾有 t t t 个连续的 0 0 0，而这 t t t 个连续的 0 0 0 之前有 m m m 个连续的 1 1 1，我们可以将倒数第 t + m t + m t+m 位置的 1 1 1 和倒数第 t + m + 1 t + m + 1 t+m+1 位的 0 0 0 对换，然后把倒数第 t + 1 t + 1 t+1 位到倒数第 t + m − 1 t + m - 1 t+m−1 位的 1 1 1 移动到最低位。如 0110 → 1001 0110 \rightarrow 1001 0110→1001， 1010 → 1100 1010 \rightarrow 1100 1010→1100， 1011100 → 1100011 1011100 \rightarrow 1100011 1011100→1100011。
至此，我们可以写出一个简单的算法，用一个长度为 n n n 的 0 / 1 0/1 0/1 数组来表示选择方案对应的二进制数，初始状态下最低的 k k k 位全部为 1 1 1，其余位置全部为 0 0 0，然后不断通过上述方案求 n e x t next next，就可以构造出所有的方案。
— — — — 接 下 来 将 进 一 步 优 化 算 法 — — — — ————接下来将进一步优化算法———— ————接下来将进一步优化算法————
我们可以进一步优化实现，我们来看 n = 5 n = 5 n=5， k = 3 k = 3 k=3 的例子，根据上面的策略我们可以得到这张表：
在上面的方法中我们通过二进制数来构造方案，而二进制数是需要通过迭代的方法来获取 n e x t next next 的。
现在考虑不通过二进制数，直接在方案上变换来得到下一个方案。假设一个方案从低到高的 k k k 个数分别是 { a 0 , a 1 , ⋯ , a k − 1 } \{ a_0, a_1, \cdots, a_{k - 1} \} {a0,a1,⋯,ak−1}，我们可以从低位向高位找到第一个 j j j 使得 a j + 1 ≠ a j + 1 a_{j} + 1 \neq a_{j + 1} aj+1=aj+1，我们知道出现在 a a a 序列中的数字在二进制数中对应的位置一定是 1 1 1，即表示被选中，那么 a j + 1 ≠ a j + 1 a_{j} + 1 \neq a_{j + 1} aj+1=aj+1 意味着 a j a_j aj 和 a j + 1 a_{j + 1} aj+1 对应的二进制位中间有 0 0 0，即这两个 1 1 1 不连续。此时我们把 a j a_j aj 对应的 1 1 1 向高位推送，也就对应着 a j ← a j + 1 a_j \leftarrow a_j + 1 aj←aj+1，而对于 i ∈ [ 0 , j − 1 ] i \in [0, j - 1] i∈[0,j−1] 内所有的 a i a_i ai 把值恢复成 i + 1 i + 1 i+1，即对应这 j j j 个 1 1 1 被移动到了二进制数的最低 j j j 位。
这似乎只考虑了上面的「规则二」。但是实际上 「规则一」是「规则二」在 t = 0 t = 0 t=0 时的特殊情况，因此这么做和按照两条规则模拟是等价的。
在实现的时候，我们可以用一个数组 temp \textit{temp} temp 来存放 a a a 序列，一开始我们先把 1 1 1 到 k k k 按顺序存入这个数组，他们对应的下标是 0 0 0 到 k − 1 k - 1 k−1。为了计算的方便，我们需要在下标 k k k 的位置放置一个哨兵 n + 1 n + 1 n+1（思考题：为什么是 n + 1 n + 1 n+1 呢？）。然后对这个 temp \textit{temp} temp 序列按照这个规则进行变换，每次把前 k k k 位（即除了最后一位哨兵）的元素形成的子数组加入答案。每次变换的时候，我们把第一个 a j + 1 ≠ a j + 1 a_{j} + 1 \neq a_{j + 1} aj+1=aj+1 的 j j j 找出，使 a j a_j aj 自增 1 1 1，同时对 i ∈ [ 0 , j − 1 ] i \in [0, j - 1] i∈[0,j−1] 的 a i a_i ai 重新置数。如此循环，直到 temp \textit{temp} temp 中的所有元素为 n n n 内最大的 k k k 个元素。
思考题：为什么是 n + 1 n + 1 n+1 呢？
回过头看这个思考题，它是为了我们判断退出条件服务的。我们如何判断枚举到了终止条件呢？其实不是直接通过 temp \textit{temp} temp 来判断的，我们会看每次找到的 j j j 的位置，如果 j = k j = k j=k 了，就说明 [ 0 , k − 1 ] [0, k - 1] [0,k−1] 内的所有的数字是比第 k k k 位小的最后 k k k 个数字，这个时候我们找不到任何方案的 k k k 位序列的字典序比当前方案的序列大了，此时结束枚举。
代码实现
Leetcode 官方题解：
class Solution {
public:
vector<int> temp;
vector<vector<int>> ans;
vector<vector<int>> combine(int n, int k) {
// 初始化
// 将 temp 中 [0, k - 1] 每个位置 i 设置为 i + 1，即 [0, k - 1] 存 [1, k]
// 末尾加一位 n + 1 作为哨兵
for (int i = 1; i <= k; ++i) {
temp.push_back(i);
}
temp.push_back(n + 1);
int j = 0;
while (j < k) {
ans.emplace_back(temp.begin(), temp.begin() + k);
j = 0;
// 寻找第一个 temp[j] + 1 != temp[j + 1] 的位置 t
// 我们需要把 [0, t - 1] 区间内的每个位置重置成 [1, t]
while (j < k && temp[j] + 1 == temp[j + 1]) {
temp[j] = j + 1;
++j;
}
// j 是第一个 temp[j] + 1 != temp[j + 1] 的位置
++temp[j];
}
return ans;
}
};
我自己的：
class Solution {
public:
vector<int> nums;
vector<vector<int>> ans;
vector<vector<int>> combine(int n, int k){
// 初始化
for(int i = 1; i <= k; ++i)
nums.push_back(i);
nums.push_back(n + 1); // 哨兵
int j = 0;
while(j < k){
// 插入新序列
ans.emplace_back(nums.begin(), nums.end()-1);
// 更新新序列
// 找到第一个 nums_j + 1 != nums_{j+1} 的数，并在二进制数中将对应的位数至 nums_{j+1} 对应的位数交换
// 即在序列 nums 中令 nums_j = nums_j + 1
// 并令序列中 nums_i 属于 [0, j-1] 的 nums_i = i+1
for(j = 0; j < k; j++){
if(nums[j]+1 != nums[j+1]) break;
else nums[j] = j+1;
}
nums[j] = nums[j]+1;
}
return ans;
}
};
复杂度分析
- 时间复杂度： O ( ( n k ) × k ) O({n \choose k} \times k) O((kn)×k)。外层循环的执行次数是 ( n k ) n \choose k (kn) 次，每次需要做一个 O ( k ) O(k) O(k) 的添加答案和 O ( k ) O(k) O(k) 的内层循环，故时间复杂度 O ( ( n k ) × k ) O({n \choose k} \times k) O((kn)×k)。
- 空间复杂度： O ( k ) O(k) O(k)。即辅助数组 temp \textit{temp} temp 的空间代价。