回溯算法
概念
- 回溯算法是算法设计中的一种方法。
- 回溯算法是一种渐进式寻找并构建问题解决方式的策略。
- 回溯算法会从一个可能的动作开始解决问题,如果不行,就回溯并选择另一个动作,直到将问题解决。
适用场景
- 有很多条路
- 其中有死路和出路
- 通常需要递归来模拟所有的路
LeetCode:46.全排列
解题思路
- 要求:1.所有的排列情况 2.没有重复元素
- 有出路,有死路
- 考虑使用回溯算法
解题步骤
- 用递归模拟出所有情况
- 遇到包含重复元素的情况,就回溯
- 收集所有到达递归终点的情况,并返回。
javascript
/**
* @param {number[]} nums
* @return {number[][]}
*/
var permute = function(nums) {
const res = []
const backtrack = (path) => {
if (path.length === nums.length) {
res.push(path)
return
}
nums.forEach(n => {
if (path.includes(n)) return
backtrack(path.concat(n))
})
}
backtrack([])
return res
};
46.全排列
时间复杂度: O(n!) n!=1*2*3*...*(n-1) * n
空间复杂度 O(n) n 递归的层数
LeetCode:78.子集
思路
- 要求: 1.所有子集 2.没有重复元素
- 有出路,有死路
解题步骤
- 用递归模拟所有情况
- 保证接的数字都是后面的数字
- 收集所有到达递归终点的情况,并返回。
javascript
/**
* @param {number[]} nums
* @return {number[][]}
*/
var subsets = function(nums) {
const res = []
const backtrack = (path, l, start) => {
if (path.length === l) {
res.push(path)
return
}
for (let i = start; i < nums.length; i++) {
backtrack(path.concat(nums[i]), l, i + 1)
}
}
for (let i = 0; i <= nums.length; i++) {
backtrack([], i, 0)
}
return res
};
78.子集
时间复杂度 O(2^N) 因为每个元素都有两种可能(存在或不存在)
空间复杂度 O(N)