代码随想录算法训练营第二十四天｜回溯算法part1

最新推荐文章于 2025-04-12 19:03:50 发布

ziyego

最新推荐文章于 2025-04-12 19:03:50 发布

阅读量237

点赞数

文章标签：算法数据结构

本文链接：https://blog.youkuaiyun.com/ziyego/article/details/131850299

版权

本文探讨了理论基础中的回溯方法，特别是如何在递归中应用。以组合问题77为例，介绍了如何确定参数、返回值，设置终止条件，并编写单层递归逻辑。剪枝策略在for循环中通过i≤n-(k-path.size())+1来实现，以优化解题效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

7.21周五

今日内容：

● 理论基础

● 77. 组合

详细布置

理论基础

回溯包括在递归中，和递归三部曲格式一致。

77. 组合

按照三部曲走，首先确定参数和返回值，然后确定终止条件，最后写单层递归逻辑。

剪枝就是在for循环里，i<=n-(k-path.size())+1

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ziyego

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

代码随想录算法训练营43期 | Day 10——栈与队列part1

当代优秀青年的学习博客

08-11

418

【代码】代码随想录算法训练营43期 | Day 10——栈与队列part1。

代码随想录算法训练营43期 | Day 13 —— 二叉树part01

当代优秀青年的学习博客

08-14

928

int val;

参与评论您还未登录，请先登录后发表或查看评论

代码随想录算法训练营第二十四天|回溯算法part1

weixin_44418954的博客

04-07

210

举例：n =4 , k =3 假设size为0那么最多从 4- （3-0） +1 = 2 开始遍历是合理的 -> [2 , 3 , 4]回溯法解决的问题都可以抽象为树形结构，组合的大小构成了树的宽度，递归的深度构成了树的高度。在集合n中至多要从该起始位置 n - (k-path.size())+1 开始遍历。随着path.size()的增加，可选择范围减少，需要的大小为k。（为什么需要+1,因为包括起始位置，需要一个左闭的的集合）k-path.size() : 表示剩下的大小。这是回溯+剪枝的结果。

代码随想录算法训练营第二十四天|回溯法part03

xindafu的博客

04-01

210

用一个path收集结果，path.size等于4的时候作为终止条件，要处理path总size不等于s.size的情况。然后回溯到1 现在开始在22里选择第二个2 但是这种情况要跳过 if nums[i-1]==nums[i]不行因为这样会错过往深了递归的情况所以只有 nums[i-1]=false的时候才能continue。错误原因：回溯的时候没有处理 use[i]=false;如果把子集问题、组合问题、分割问题都抽象为一棵树的话，第一次先选1 在剩下的22里递归最终得到1，2，2。

代码随想录算法训练营第二十四天|回溯算法part03

qq_43456971的博客

08-01

280

与之前组合问题和切割问题不同的是，每一个节点都要收集到结果集里面。总体思路与分割回文串相类似，但是有许多细节。比上一题多一个查重的步骤。

代码随想录算法训练营第24天｜回溯

shifff的博客

06-06

245

【代码】代码随想录算法训练营第24天|二叉树。

代码随想录算法训练营第二十四天 | 回溯算法 part 1 | 理论基础、77. 组合

enzoherewj的博客

09-02

144

Leetcode刷题日记回溯

代码随想录算法训练营第24天 | 第七章回溯算法part03

monoki的博客

07-02

438

Leetcode链接 78.子集 Leetcode链接 90.子集Ⅱ Leetcode链接判断方法：

代码随想录算法训练营第二十四天 | 回溯算法part01

qq_17027283的博客

04-01

262

77.组合。

代码随想录算法训练营Day24||回溯算法part03

DetouringSnail的博客

06-30

449

93.复原IP地址：算是回溯算法的中档题？自己写的时候很多奇怪的错误，多写了一步return就报错了。这段代码真的值得反复训练熟悉。今天比较摸鱼，晚点补上。

代码随想录算法训练营Day22||回溯算法part01

DetouringSnail的博客

06-28

216

77.组合：回溯法入门，一看就会，一写全错，边界处理上都是问题，对startindex理解还没到位。还有一个剪枝操作需要理解！盯着看了会感觉理解了，感觉有点微妙。17.电话号码的字母组合：看了视频，理解了思路，明天自己手写一下代码再熟悉一遍！慢慢就熟悉回溯的写法了~回溯法理论：回溯法就是递归法，可以解决组合问题，切割问题，子集问题，排列问题。216.组合III:这题算是更加熟悉了回溯算法的公式，多写几遍就顺畅了。

代码随想录算法训练营43期 | Day 8——字符串part01

当代优秀青年的学习博客

08-09

427

给定一个字符串 s，它包含小写字母和数字字符，请编写一个函数，将字符串中的字母字符保持不变，而将每个数字字符替换为number。当i+2k，剩余字符少于k个时，将剩余字符全部翻转；给定一个字符串 s 和一个整数 k，从字符串开头算起, 每计数至 2k 个字符，就反转这 2k 个字符中的前 k 个字符。输入：[“H”,“a”,“n”,“n”,“a”,“h”]输出：[“h”,“a”,“n”,“n”,“a”,“H”]输入：[“h”,“e”,“l”,“l”,“o”]输出：[“o”,“l”,“l”,“e”,“h”]

代码随想录算法训练营43期 | Day 9——字符串part2

当代优秀青年的学习博客

08-10

486

字符串的右旋转操作是把字符串尾部的若干个字符转移到字符串的前面。给定一个字符串 s 和一个正整数 k，请编写一个函数，将字符串中的后面 k 个字符移到字符串的前面，实现字符串的右旋转操作。输入：输入共包含两行，第一行为一个正整数 k，代表右旋转的位数。例如，对于输入字符串 “abcdefg” 和整数 2，函数应该将其转换为 “fgabcde”。解释: 输入字符串可以在前面或者后面包含多余的空格，但是反转后的字符不能包括。输出：输出共一行，为进行了右旋转操作后的字符串。输入: " hello world!

代码随想录算法训练营Day 50 | 动态规划part12 | 309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费

m0_51759998的博客

05-28

453

【代码】代码随想录算法训练营Day 50 | 动态规划part12 | 309.最佳买卖股票时机含冷冻期、714.买卖股票的最佳时机含手续费。

【算法】欧拉函数与欧拉降幂 python

最新发布

查理零世的博客

04-12

345

欧拉函数ϕ(n) 表示小于等于 n 的正整数中与 n 互质的数的个数。

【力扣hot100题】（073）数组中的第K个最大元素

s478527548的博客

04-09

720

当左指针在右指针左边时，移动左指针到第一个大于mid的位置，移动右指针到第一个小于mid的位置，若左指针在右指针左边，则交换两者元素，循环以上。循环最终结果：左指针指向从左往右第一个大于mid的元素，右指针指向从右往左第一个小于mid的元素，且左指针不在右指针左边。（选择排序做法）继续递归右指针往右部分的数组和右指针往左部分的数组。（这道题做法）若右指针的位置在k右边，则递归右指针往左部分，否则递归右指针往右部分。初写时犯了不少错误，也有很多问题：错误一：最后将mid移至left的位置。

算法篇（八）【递归】

原来是猿的成长足迹

04-08

850

什么是递归？递归就是自己调用自己

蓝桥赛前复习2：一维差分&&二维差分

m0_72791838的博客

04-11

293

给定 qq 组操作，每次操作为给定 55 个正整数 x1,y1,x2,y2,dx1,y1,x2,y2,d，Ax1,y1Ax1,y1 是子矩阵左上角端点，Ax2,y2Ax2,y2 是子矩阵右下角端点，你需要给其中每个元素都增加 dd。

算法系列——无监督学习——16.LLE

穿梭的编织者

04-12

336

LLE算法

代码随想录算法训练营第五天

02-17

### 关于代码随想录算法训练营第五天学习内容 #### 动态规划入门动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。在第五天的学习中，重点在于理解并掌握动态规划的核心概念及其应用。 #### 解决斐波那契数列问题斐波那契数列是一个经典的例子来介绍动态规划的思想。对于给定的n值，计算第n项斐波那契数值可以采用自底向上的方法构建解决方案[^1]： ```python def fib(n): if n <= 0: return 0 elif n == 1: return 1 dp = [0] * (n + 1) dp[1] = 1 for i in range(2, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[n] ``` 此实现方式避免了重复计算相同的子问题，从而提高了效率。 #### 攀爬楼梯问题另一个典型的应用场景是攀爬楼梯问题，假设每次可以选择走一步或两步，则到达第n阶的不同路径总数也可以利用动态规划解决: ```python def climbStairs(n): if n == 1 or n == 2: return n dp = [0] * (n + 1) dp[1], dp[2] = 1, 2 for i in range(3, n + 1): dp[i] = dp[i - 1] + dp[i - 2] return dp[-1] ``` 上述两个案例展示了如何运用动态规划技巧有效地解决问题，并且强调了状态转移方程的重要性以及边界条件处理。