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。
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/combinations
2 题目示例
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]]
3 题目提示
1 <= n <= 20
1 <= k <= n
4 思路
重点概括:
- 如果解决—个问题有多个步骤,每一个步骤有多种方法,题目又要我们找出所有的方法,可以使用回溯算法;
- 回溯算法是在—棵树上的深度优先遍历(因为要找所有的解,所以需要遍历);
- 组合问题,相对于排列问题而言,不计较一个组合内元素的顺序性(即[1,2,3]与[1,3,2]认为是同一个组合),因此很多时候需要按某种顺序展开搜索,这样才能做到不重不漏。
既然是树形问题上的深度优先遍历,因此首先画出树形结构。例如输入:n = 4,k = 2,我们可以发现如下递归结构:
- 如果组合里有1,那么需要在[2,3,4]里再找1个数;
- 如果组合里有2,那么需要在[3,4]里再找1数。注意:这里不能再考虑1,因为包含1的组合,在第1种情况中已经包含。
依次类推(后面部分省略),以上描述体现的递归结构是:在以n结尾的候选数组里,选出若干个元素。
说明:
- 叶子结点的信息体现在从根结点到叶子结点的路径上,因此需要一个表示路径的变量path,它是一个列表,特别地,path是一个栈;
- 每一个结点递归地在做同样的事情,区别在于搜索起点,因此需要一个变量start ,表示在区间Lbegin, n]里选出若干个数的组合;
- 可能有一些分支没有必要执行,我们放在优化中介绍。
5 我的答案
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Deque;
import java.util.List;
public class Solution {
public List<List<Integer>> combine(int n, int k) {
List<List<Integer>> res = new ArrayList<>();
if (k <= 0 || n < k) {
return res;
}
// 从 1 开始是题目的设定
Deque<Integer> path = new ArrayDeque<>();
dfs(n, k, 1, path, res);
return res;
}
private void dfs(int n, int k, int begin, Deque<Integer> path, List<List<Integer>> res) {
// 递归终止条件是:path 的长度等于 k
if (path.size() == k) {
res.add(new ArrayList<>(path));
return;
}
// 遍历可能的搜索起点
for (int i = begin; i <= n; i++) {
// 向路径变量里添加一个数
path.addLast(i);
// 下一轮搜索,设置的搜索起点要加 1,因为组合数理不允许出现重复的元素
dfs(n, k, i + 1, path, res);
// 重点理解这里:深度优先遍历有回头的过程,因此递归之前做了什么,递归之后需要做相同操作的逆向操作
path.removeLast();
}
}
}
优化
我们上面的代码,搜索起点遍历到 n,即:递归函数中有下面的代码片段:
// 从当前搜索起点 begin 遍历到 n
for (int i = begin; i <= n; i++) {
path.addLast(i);
dfs(n, k, i + 1, path, res);
path.removeLast();
}
事实上,如果n = 7,k = 4,从5开始搜索就已经没有意义了,这是因为:即使把5选上,后面的数只有6和7,一共就3个候选数,凑不出4个数的组合。因此,搜索起点有上界,这个上界是多少,可以举几个例子分析。
分析搜索起点的上界,其实是在深度优先遍历的过程中剪枝,剪枝可以避免不必要的遍历,剪枝剪得好,可以大幅度节约算法的执行时间。
容易知道:搜索起点和当前还需要选几个数有关,而当前还需要选几个数与已经选了几个数有关,即与path的长度相关。我们举几个例子分析:
例如: n = 6 , k = 4。
path.size() == 1的时候,接下来要选择3个数,搜索起点最大是4,最后一个被选的组合是[4,5,6];
path.size() == 2的时候,接下来要选择2个数,搜索起点最大是5,最后一个被选的组合是[5, 6];
path.size() == 3的时候,接下来要选择1个数,搜索起点最大是6,最后一个被选的组合是[6] ;
再如:n = 15 , k = 4。
path.size() == 1的时候,接下来要选择3个数,搜索起点最大是13,最后一个被选的是[13,14,15] ;
path.size() == 2的时候,接下来要选择2个数,搜索起点最大是14,最后一个被选的是[14, 15];
path.size() == 3的时候,接下来要选择1个数,搜索起点最大是15,最后一个被选的是[15] ;
可以归纳出:
搜索起点的上界+接下来要选择的元素个数一1 = n
其中,接下来要选择的元素个数= k - path.size(),整理得到:
搜索起点的上界 = n - (k - path.size()) + 1
所以,我们的剪枝过程就是:把i <= n改成i <= n - (k -path. size() +1 :
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Deque;
import java.util.List;
public class Solution {
public List<List<Integer>> combine(int n, int k) {
List<List<Integer>> res = new ArrayList<>();
if (k <= 0 || n < k) {
return res;
}
Deque<Integer> path = new ArrayDeque<>();
dfs(n, k, 1, path, res);
return res;
}
private void dfs(int n, int k, int index, Deque<Integer> path, List<List<Integer>> res) {
if (path.size() == k) {
res.add(new ArrayList<>(path));
return;
}
// 只有这里 i <= n - (k - path.size()) + 1 与参考代码 1 不同
for (int i = index; i <= n - (k - path.size()) + 1; i++) {
path.addLast(i);
dfs(n, k, i + 1, path, res);
path.removeLast();
}
}
}