DFS算法专题(二)——穷举vs暴搜vs深搜vs回溯vs剪枝【OF决策树】

目录

1、决策树

2、算法实战应用【leetcode】

2.1 题一:全排列

2.2.1 算法原理

2.2.2 算法代码

2.2 题二:子集

2.2.1 算法原理【策略一】

2.2.2 算法代码【策略一】

2.2.3  算法原理【策略二,推荐】

2.2.4 算法代码【策略二,推荐】

2.3 题三:找出所有子集的异或总和再求和

2.3.1 算法原理

2.3.2 算法代码【解法一】(不推荐)

 2.3.3 算法代码【解法二】(推荐)

 2.4 题四:全排列 II

2.4.1 算法原理

2.4.2 算法代码


1、决策树

决策树是一种树形结构的监督学习算法,广泛应用于分类任务和回归任务中。它通过递归地将数据集分割成更小的子集,最终形成一个树形模型,用于预测新数据的输出。

决策树是一种树形结构,其中每个内部节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶节点代表一种类别。

决策树是一种十分常用的分类方法。它是一种监督学习,所谓监督学习就是给定一堆样本,每个样本都有一组属性和一个类别,这些类别是事先确定的,那么通过学习得到一个分类器,这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。

面对上难度的DFS算法题,我们首先要做的就是画出决策树。

注意:画出的决策树越详细越好!!!

2、算法实战应用【leetcode】

2.1 题一:全排列

. - 力扣(LeetCode)

2.2.1 算法原理

  1. 画出决策树,记住:决策树越详细越好!!!
  2. 设置全局变量(全局变量的设置因题而异),本题设置二维数组ret为返回值,记录全部的全排列;数组path记录路径;布尔类型的check数组实现剪枝操作
  3. 对于递归函数,我们仍然要站在宏观角度,聚焦于某一层要做的事来设计
  4. DFS算法,不可避免的就是回溯、剪枝与函数出口等细节问题的考虑
  5. 对于本题回溯的设计,在dfs完下一层,回到当前层后,再进行恢复现场的操作(删除下一层在path中的数据),注意:本题需要对path和check均进行回溯操作
  6. 对于本题剪枝的设计,通过布尔数组的判断,判断数组中数据可否放进路径path中
  7. 对于本题递归函数的出口,将path中存放数据的数量和nums数组长度相比较,若相等,则添加到ret中。

2.2.2 算法代码

class Solution {
    List<List<Integer>> ret;
    List<Integer> path;
    boolean[] check;
    public List<List<Integer>> permute(int[] nums) {
        ret = new ArrayList<>();
        path = new ArrayList<>();
        check = new boolean[nums.length];
        dfs(nums);
        return ret;
    }
    public void dfs(int[] nums) {
        //函数出口
        if(path.size() == nums.length) {
            ret.add(new ArrayList<>(path));
            return;
        }

        for(int i = 0; i < nums.length; i++) {
            if(!check[i]) {
                path.add(nums[i]);
                check[i] = true;
                dfs(nums);
                //将下一层中的相关数据删除 -> 回溯 -> 恢复现场 -> 1.path 2.check
                //add新数据时,递归仍然在本层中,add的是本层i位置处的新数据,
                //dfs完后,i仍然为本层add时的数据的下标,
                //此时回溯要将path和check恢复现场
                path.remove(path.size() - 1);
                check[i] = false;
            }
        }
    }
}

2.2 题二:子集

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值