LeetCode|回溯算法|77. 组合

文章介绍了如何解决给定两个整数n和k,找出[1,n]中所有可能的k个数的组合问题。首先提供了基础的递归实现,然后通过剪枝操作优化代码,减少无效递归。

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

目录

一、77. 组合

1.题目描述

2.解题思路

3.代码实现

4.代码实现(优化--剪枝操作)


 

一、77. 组合

1.题目描述

给定两个整数 n 和 k,返回范围 [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]]

2.解题思路

1.全局变量:二维数组result存放所有符合条件的结果、一维数组path存放符合条件的结果

2.确定 函数参数:n,k,startIndex。其中,startIndex用来记录遍历的起始位置

  • 在集合[1,2,3,4]取1之后,下一层递归,就要在[2,3,4]中取数了,那么下一层递归如何知道从[2,3,4]中取数呢,靠的就是startIndex。

3. 确定终止条件:如果path中的元素个数 = 题目所要求的k,就将当前符合题目的 path存放到结果集中

4.单层逻辑:for循环从startIndex开始遍历,然后递归,然后回溯。

3.代码实现

class Solution {
public:
    vector<vector<int>> result;//结果集
    vector<int> path;//存放符合条件的结果
    void backtracking(int n,int k,int startIndex){
        //终止条件:一维数组中存放了k个元素
        if(path.size() == k){
            result.push_back(path);
            return;
        }
        //单层逻辑
        for(int i = startIndex;i <= n;i++){
            path.push_back(i);
            backtracking(n,k,i + 1);
            path.pop_back();//回溯步骤
        }
    }

    vector<vector<int>> combine(int n, int k) {
        int startIndex = 1;
        backtracking(n,k,startIndex);
        return result;
    }
};

4.代码实现(优化--剪枝操作)

  • 如果当前path中是0个元素,那么说明还需要k - path.size()个元素,也就是i必须从n - (k - path.size()) + 1的位置(包括之前的)开始,才能够获得这么多的元素

 

class Solution {
public:
    vector<vector<int>> result;//结果集
    vector<int> path;//存放符合条件的结果
    void backtracking(int n,int k,int startIndex){
        //终止条件:一维数组中存放了k个元素
        if(path.size() == k){
            result.push_back(path);
            return;
        }
        //单层逻辑
        for(int i = startIndex;i <= n - (k - path.size()) + 1;i++){//剪枝操作
            path.push_back(i);
            backtracking(n,k,i + 1);
            path.pop_back();//回溯步骤
        }
    }

    vector<vector<int>> combine(int n, int k) {
        int startIndex = 1;
        backtracking(n,k,startIndex);
        return result;
    }
};

### LeetCode回溯算法题目解析 #### 回溯算法简介 回溯是一种通过构建所有可能的解决方案并逐一验证其有效性来解决问题的方法。这种方法特别适用于那些需要探索多种可能性才能找到最优解的情况。 #### 经典题目分析 ##### N皇后问题 N皇后问题是经典的回溯应用实例之一[^3]。该问题的目标是在 n×n 的国际象棋棋盘上放置 n 个皇后,使得它们互相之间不能攻击对方。这不仅涉及简单的排列组合,还涉及到二维空间中的冲突检测逻辑。 ```python def solveNQueens(n): result = [] def backtrack(row, cols, diag1, diag2, path): if row == n: result.append(path[:]) return for col in range(n): if col not in cols and (row - col) not in diag1 and (row + col) not in diag2: backtrack( row + 1, cols | {col}, diag1 | {(row - col)}, diag2 | {(row + col)}, path + ["." * col + "Q" + "." * (n - col - 1)] ) backtrack(0, set(), set(), set(), []) return result ``` 这段代码展示了如何利用回溯法求解 N 皇后问题。它使用了三个集合分别记录列、正斜线和反斜线上是否有皇后存在,从而避免重复计算相同位置上的冲突情况。 ##### 数字全排列 另一个常见的应用场景是对给定数组进行全排列生成。这里提供了一种基于路径选择的方式实现此功能[^4]: ```python from typing import List class Solution: def permute(self, nums: List[int]) -> List[List[int]]: res = [] def dfs(path, options): if not options: res.append(path) return for i in range(len(options)): next_options = options[:i] + options[i+1:] dfs(path+[options[i]], next_options) dfs([], nums) return res ``` 上述代码实现了对输入列表 `nums` 中元素的所有排列方式枚举,并将每一种合法的结果存储到最终返回值 `res` 列表当中。 #### 实际案例分享 对于像 LeetCode 第 37 题这样的复杂场景来说,虽然难度较大,但如果能够掌握好基本原理,则可以顺利攻克这类难题[^2]。具体而言,在处理此类问题时应当注重理解题目背景以及核心需求是什么;其次要善于运用辅助数据结构帮助简化状态转移过程;最后则是不断尝试不同的分支直到获得满意答案为止。
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