python 回溯法 子集树模板 系列 —— 4、数字组合问题

简介: 问题找出从自然数1、2、3、...、n中任取r个数的所有组合。例如,n=5,r=3的所有组合为:1,2,31,2,41,2,51,3,41,3,51,4,52,3,42,3,52,4,53,4,5分析换个角度,r=3的所有组合,相当于元素个数为3的所有子集。

问题

找出从自然数1、2、3、...、n中任取r个数的所有组合。

例如,n=5,r=3的所有组合为:
1,2,3
1,2,4
1,2,5
1,3,4
1,3,5
1,4,5
2,3,4
2,3,5
2,4,5
3,4,5

分析

换个角度,r=3的所有组合,相当于元素个数为3的所有子集。因此,在遍历子集树的时候,对元素个数不为3的子树剪枝即可。

注意,这里不妨使用固定长度的解。

直接套用子集树模板。

代码


'''数字组合问题'''

n = 5
r = 3
a = [1,2,3,4,5] # 五个数字

x = [0]*n # 一个解(n元0,1数组) 固定长度
X = []    # 一组解

def conflict(k):
    global n, r, x
    
    if sum(x[:k+1]) > r: # 部分解的长度超出r
        return True
    
    if sum(x[:k+1]) + (n-k-1) < r: # 部分解的长度加上剩下长度不够r
        return True
        
    return False # 无冲突

    
# 套用子集树模板
def comb(k): # 到达第k个元素
    global n, x, X
    
    if k >= n:  # 超出最尾的元素
        #print(x)
        X.append(x[:]) # 保存(一个解)
    else:
        for i in [1, 0]: # 遍历元素 a[k] 的两种选择状态:1-选择,0-不选
            x[k] = i
            if not conflict(k): # 剪枝
                comb(k+1)


# 根据一个解x,构造对应的一个组合
def get_a_comb(x):
    global a
    
    return [y[0] for y in filter(lambda s:s[1]==1, zip(a, x))]
    
# 根据一组解X,构造对应的一组组合
def get_all_combs(X):
    return [get_a_comb(x) for x in X]


# 测试
comb(0)
print(X)
print(get_all_combs(X))

效果图

img_a60d6e3ff16ebae89cb77ee7c8d6ebd5.jpg

目录
相关文章
|
Python
python 回溯法 记录
一直不是太理解回溯法,这几天集中学习了一下,记录如下。 回溯法有“通用的解题法”之称。 1.定义:  也叫试探法,它是一种系统地搜索问题的解的方法。 2.基本思想:  从一条路往前走,能进则进,不能进则退回来,换一条路再试。
3173 0
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
287 102
|
3月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
314 104
|
3月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
260 103
|
3月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
193 82
|
2月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
179 3
|
2月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
420 3
|
2月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
264 3
|
2月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
260 0