LeetCode 39. 组合总和

简介: LeetCode 39. 组合总和

 39. 组合总和

   

给你一个 无重复元素 的整数数组 candidates 和一个目标整数 target ,找出 candidates 中可以使数字和为目标数 target 的 所有 不同组合 ,并以列表形式返回。你可以按 任意顺序 返回这些组合。

candidates 中的 同一个 数字可以 无限制重复被选取 。如果至少一个数字的被选数量不同,则两种组合是不同的。

对于给定的输入,保证和为 target 的不同组合数少于 150 个。

示例 1:

输入:candidates = [2,3,6,7], target = 7
输出:[[2,2,3],[7]]
解释:2 和 3 可以形成一组候选,2 + 2 + 3 = 7 。注意 2 可以使用多次。7 也是一个候选, 7 = 7 。仅有这两种组合。

示例 2:

输入: candidates = [2,3,5], target = 8
输出: [[2,2,2,2],[2,3,3],[3,5]]

示例 3:

输入: candidates = [2], target = 1
输出: []

提示:

    • 1 <= candidates.length <= 30
    • 2 <= candidates[i] <= 40
    • candidates 的所有元素 互不相同
    • 1 <= target <= 40


    思路

    参考 B站视频题解,从下标i=0开始不断尝试添加新元素,通过回溯搜索最终找到满足要求的方案。


    时间复杂度:见 LeetCode官方题解

    空间复杂度

    O(target)。除答案数组外,空间复杂度取决于递归的栈深度,在最差情况下需要递归 O(target) 层。

    // 版本1 累加sum,用于与target做比较// var res [][]int// func combinationSum(candidates []int, target int) [][]int {//     dfs(candidates, target, []int{}, 0)//     return res// }// func dfs(candidates []int, target int, arr []int, sum int) {//     if sum > target {//         return//     }//     if sum == target {//         tmpArr := make([]int, len(arr))//         copy(tmpArr, arr)//         res = append(res, tmpArr)//         return//     }//     // sum < target//     for i := 0; i < len(candidates); i++ {//         arr = append(arr, candidates[i])// 追加//         dfs(candidates, target, arr, sum + candidates[i])//         arr = arr[:len(arr)-1]          // 回溯//     }// }// 版本2:累加sum,用于与target做比较// 版本1会把不同顺序的选取方式作为不同的方案,所以此时需要去掉重复的情况,dfs()中另加index参数// 思路:从下标i=0开始不断尝试添加新元素,通过回溯搜索最终找到满足要求的方案。// 参考 B站视频:https://www.bilibili.com/video/BV1h14y1A7yR/?spm_id_from=333.337.search-card.all.click&vd_source=2c268e25ffa1022b703ae0349e3659e4// var res [][]int// func combinationSum(candidates []int, target int) [][]int {//     res = make([][]int, 0) // 一定要加这一行,初始化res,否则不同用例在跑的时候 res会被覆盖导致 res值为上次的值//     dfs(candidates, target, []int{}, 0, 0)//     return res// }// func dfs(candidates []int, target int, arr []int, sum, index int) {//     if sum > target {//         return//     }//     if sum == target {//         tmpArr := make([]int, len(arr))//         copy(tmpArr, arr)//         res = append(res, tmpArr)//         return//     }//     // sum < target//     // 避免每次遍历candidates时从i=0开始,导致结果重复,比如2,2,3和2,3,2 !!!//     for i := index; i < len(candidates); i++ {//         arr = append(arr, candidates[i])// 追加//         dfs(candidates, target, arr, sum + candidates[i], i)//         arr = arr[:len(arr)-1]          // 回溯//     }// }// 版本3:去除sum参数,仅利用target每次递减即可varres [][]intfunccombinationSum(candidates []int, targetint) [][]int {
    res=make([][]int, 0)
    dfs(candidates, target, 0, []int{})
    returnres}
    funcdfs(candidates []int, target, indexint, arr []int) {
    iftarget==0 {
    tmp :=make([]int, len(arr))
    copy(tmp, arr)
    res=append(res, tmp)
    return    } elseiftarget<0 {
    return    }
    fori :=index; i<len(candidates); i++ {
    arr=append(arr, candidates[i])
    // 因为同一个 数字可以 无限制重复被选取,所以第三个参数传入i而不是i+1dfs(candidates, target-candidates[i], i, arr)
    arr=arr[:len(arr) -1]
        }
    }
    // 版本4 动态规划的思想// 参考 B站视频:https://www.bilibili.com/video/BV1h14y1A7yR/?spm_id_from=333.337.search-card.all.click&vd_source=2c268e25ffa1022b703ae0349e3659e4

    image.gif


    目录
    相关文章
    |
    机器学习/深度学习 数据采集 vr&ar
    3D重建范式变革!最新模型MVDiffusion++
    【2月更文挑战第30天】MVDiffusion++,一项革命性的3D重建技术,能在少量图像和无相机姿态信息下生成高密度、高分辨率的3D视图,简化重建流程。采用无姿态架构和视图丢弃策略,提升效率和质量。在Objaverse和Google Scanned Objects数据集上表现优越,且能与文本到图像生成模型结合,潜力广泛应用于游戏、电影和虚拟现实。然而,对训练数据质量和计算资源的需求是其挑战。
    220 4
    3D重建范式变革!最新模型MVDiffusion++
    |
    2月前
    |
    存储 人工智能 自然语言处理
    AI大模型潜力无限,构建高效架构为何却困难重重?
    本文三桥君系统介绍了AI大模型应用架构的完整体系,从多模态数据接入、预处理与特征提取,到知识与模型中台建设,再到业务应用落地和持续优化。产品专家三桥君通过架构图和工作流程说明,为AI大模型的实际应用提供了系统化的解决方案和技术选型参考。
    159 0
    |
    11月前
    |
    机器学习/深度学习 Web App开发 人工智能
    轻量级网络论文精度笔(一):《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
    《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》这篇论文提出了一种基于YOLOv3-Tiny的轻量级目标检测模型Micro-YOLO,通过渐进式通道剪枝和轻量级卷积层,显著减少了参数数量和计算成本,同时保持了较高的检测性能。
    383 2
    轻量级网络论文精度笔(一):《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
    |
    Python
    Pandas进阶--map映射,分组聚合和透视pivot_table详解
    Pandas进阶--map映射,分组聚合和透视pivot_table详解
    365 0
    |
    人工智能 数据可视化 API
    Multi-Agent实践第9期: 多智能体的升级体验
    AgentScope 的新版本主要从 RAG,可视化和系统提示优化三个角度进行了更新,旨在降低开发者的开发代价,提供更加友好的开发体验。
    |
    机器学习/深度学习 存储
    数据结构学习记录——哈夫曼树(什么是哈夫曼树、哈夫曼树的定义、哈夫曼树的构造、哈夫曼树的特点、哈夫曼编码)
    数据结构学习记录——哈夫曼树(什么是哈夫曼树、哈夫曼树的定义、哈夫曼树的构造、哈夫曼树的特点、哈夫曼编码)
    450 1
    |
    小程序 开发者
    体验版小程序为何无法访问云端服务器后端接口(请求失败...(已完美解决附加图片))?
    体验版小程序为何无法访问云端服务器后端接口(请求失败...(已完美解决附加图片))?
    896 0
    |
    机器学习/深度学习 人工智能 编解码
    图像识别与处理
    图像识别与处理
    310 1
    |
    数据安全/隐私保护 Python
    找回SecureCRT密码
    找回SecureCRT密码
    305 0
    |
    弹性计算 运维 监控
    阿里云Elasticsearch Serverless 正式上线,免费公测中!!!
    11月3日,在2022年云栖大会上阿里云重磅推出Elasticsearch Serverless服务,为用户带来全方位Serverless服务化使用体验。在全观测场景下,实现了对资源的按需取用,从而为用户提供简单易用、弹性灵活、开箱即用的Elasticsearch产品体验,做到快速响应业务变化的同时,合理优化使用成本,助力企业降本增效。
    3160 0
    阿里云Elasticsearch Serverless 正式上线,免费公测中!!!