Leetcode算法——39、组合之和

本文深入探讨了在给定无重复元素数组和目标数的情况下,寻找所有可能的组合使数字之和等于目标值的问题。通过分治法和回溯法的结合使用,详细解释了算法的实现过程,并提供了Python代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

给定一个无重复元素的数组 candidates 和一个目标数 target,找到 candidates 中所有可以使数字之和等于 target 的组合。

candidates 中的数字可以无限制重复被选取。

备注:
数组的元素和目标值都是正数。
答案中不能有重复组合。

示例:

Example 1:
Input: candidates = [2,3,6,7], target = 7,
A solution set is:
[
  [7],
  [2,2,3]
]

Example 2:
Input: candidates = [2,3,5], target = 8,
A solution set is:
[
  [2,2,2,2],
  [2,3,3],
  [3,5]
]

思路

可以使用分治法+回溯法。

既然不限制组合的大小、并且同一个数字可以被重复选取,那么很容易将一个问题进行分解:比如数组第一个元素为1,那么目标是求一个组合相加等于5,这个问题可以转化为求一个组合相加等于4,最后所有的组合结果都再加上一个1即可。

同理,数组的所有位置的元素,都可以使用这个思路进行分治。

但是有一个问题,如果分解到最后,候选数组中所有元素都比要求的和大,那么就无法满足要求。这时候应该知道,肯定是之前某一步,错误地将一个过大的数字加入了组合中,使得剩余的目标值过小。因此,需要使用回溯法,依次将上一个所选元素修改为其他候选元素,如果所有其他候选元素都不满足要求,则需要换上上一个元素,直至找到了那个过大的数字将其换掉。这就是回溯法。

python实现

def combinationSum(candidates, target):
    """
    :type candidates: List[int]
    :type target: int
    :rtype: List[List[int]]
    回溯法。
    从列表中选择一个元素a,放入到结果池中。
    这样,剩下的任务就是从数组中挑选组合使得求和等于 target-a。
    因此,可以用递归方法继续执行子任务。
    如果任务最后完不成,则将元素a换成下一个元素b,继续执行新的子任务。
    """
    
    sorted_candidates = sorted(candidates)
    result_list = []
    def fun_rec(cur_result, remain):
        '''
        找到可以满足相加等于remain的一个组合,
        与前缀cur_result连接,
        放入到result_list中
        '''
        if remain == 0: # 剩余恰好为0
            result_list.append(cur_result)
            return
        for i in sorted_candidates:
            if i > remain: # 之后的更大,更不会满足要求,不必继续循环
                break
            elif not cur_result or i >= cur_result[-1]: # 避免重复
                fun_rec(cur_result + [i], remain - i)
            
    fun_rec([], target)
    return result_list

if '__main__' == __name__:
    candidates = [2,3,5]
    target = 8
    print(combinationSum(candidates, target))
### 关于 LeetCode 题目 1534 “统计好三元组”的 C++ 解题思路 #### 问题描述 给定一个长度为 `n` 的整数数组 `arr` 和三个正整数 `a`, `b`, `c`,定义一个“好三元组” `(i, j, k)` 满足以下条件: - `0 <= i < j < k < n` - `|arr[i] - arr[j]| <= a` - `|arr[j] - arr[k]| <= b` - `|arr[i] - arr[k]| <= c` 目标是计算这样的“好三元组”数量。 --- #### 方法一:暴力枚举法 最简单的解决方案是对所有的可能组合进行遍历并逐一验证是否符合条件。这种方法的时间复杂度较高,适用于数据规模较小的情况。 以下是基于此方法的 C++ 实现: ```cpp class Solution { public: int countGoodTriplets(vector<int>& arr, int a, int b, int c) { int count = 0; int n = arr.size(); for(int i = 0; i < n - 2; ++i){ for(int j = i + 1; j < n - 1; ++j){ if(abs(arr[i] - arr[j]) > a) continue; // 提前剪枝 for(int k = j + 1; k < n; ++k){ if(abs(arr[j] - arr[k]) <= b && abs(arr[i] - arr[k]) <= c){ count++; } } } } return count; } }; ``` 上述代码通过三层嵌套循环分别迭代索引 `i`, `j`, `k` 并检查其对应的值是否满足约束条件[^1]。为了提高效率,在第二层循环中加入了提前退出机制以减少不必要的比较次数。 --- #### 方法二:优化后的枚举算法 虽然无法完全避免 O(n³) 时间复杂度,但可以利用一些技巧进一步降低实际运行时间。例如,在每次进入第三层循环之前先判断当前候选对 `(i,j)` 是否有可能构成有效的好三元组;如果不可能,则跳过该次外层循环中的剩余部分。 改进版伪代码如下所示(未提供具体实现细节): ```plaintext for each valid pair (i,j): collect all possible candidates of k that satisfy the conditions with respect to both j and combined constraints from i. ``` 这种预处理方式能够显著提升性能表现尤其当输入参数较大时效果更加明显. --- #### 性能分析与总结 对于本题而言由于最大允许范围仅为100因此即使采用朴素的方法也能获得可接受的结果速度。然而随着未来可能出现更大尺寸的数据集则需考虑更高效的策略比如借助哈希表或者树状结构辅助快速查找潜在匹配项从而达到降维打击的目的即把原本立方级别的操作压缩至平方甚至线性级别完成整个过程[^4]。 ---
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