当前位置：首页 > news >正文

leetcode77.组合：回溯算法中for循环与状态回退的逻辑艺术

news 来源：原创 2025/6/2 19:30:48

一、题目深度解析与组合问题本质

题目描述

给定两个整数n和k，要求从1到n的整数中选取k个不同的数，返回所有可能的组合。例如，当n=4，k=2时，所有组合为[[1,2],[1,3],[1,4],[2,3],[2,4],[3,4]]。题目要求：

组合中的数字按升序排列
不同组合之间按字典序排列
不能有重复组合

组合问题的核心特性

组合问题的本质是在n个元素中选取k个元素的子集问题，具有以下特点：

无序性：组合不考虑元素顺序（如[1,2]和[2,1]视为同一组合）
唯一性：每个元素只能使用一次
有序输出：结果需按升序排列，便于比较和处理

回溯算法是解决组合问题的经典方法，其核心在于通过"选择-回退"的递归逻辑，系统地枚举所有可能的组合。

二、回溯解法的核心实现与逻辑框架

完整回溯代码实现

class Solution {List<Integer> temp = new LinkedList<>();  // 存储当前组合List<List<Integer>> res = new ArrayList<>();  // 存储所有结果组合public List<List<Integer>> combine(int n, int k) {backTracking(n, k, 1);  // 从1开始回溯return res;}public void backTracking(int n, int k, int s) {// 终止条件：当前组合长度等于kif (temp.size() == k) {res.add(new ArrayList<>(temp));  // 保存当前组合的副本return;}// 核心循环：从s到n-(k-temp.size())+1选择数字for (int i = s; i <= n - (k - temp.size()) + 1; i++) {temp.add(i);  // 选择当前数字backTracking(n, k, i + 1);  // 递归选择下一个数字（i+1保证升序）temp.removeLast();  // 回溯：撤销当前选择}return;}
}

核心设计解析：

数据结构设计：
- temp：使用LinkedList存储当前正在构建的组合，支持高效的尾部添加和删除
- res：使用ArrayList存储所有结果组合，便于批量操作
回溯函数参数：
- n：总数字范围（1到n）
- k：需要选取的数字个数
- s：当前选择的起始位置（避免重复组合）
终止条件：
- 当temp.size() == k时，说明已选满k个数字，将当前组合添加到结果集
循环边界优化：
- i <= n - (k - temp.size()) + 1：动态计算循环上界，避免无效搜索

三、核心问题解析：回溯逻辑与循环边界

1. 回溯算法的核心流程

回溯三部曲：

选择：在当前可选范围内选择一个数字加入组合
递归：继续在剩余数字中选择下一个数字
回退：撤销当前选择，尝试其他可能

代码中的体现：

temp.add(i);         // 选择
backTracking(..., i+1); // 递归
temp.removeLast();   // 回退

2. for循环边界的数学推导

常规循环写法：

for (int i = s; i <= n; i++) { ... }

这种写法会导致无效搜索（如剩余需要选m个数字时，当前数字之后必须至少有m个数字）。

优化后的边界条件：

i <= n - (k - temp.size()) + 1

设当前已选t个数字（t = temp.size()），还需选m = k - t个数字
为保证后续能选够m个数字，当前数字i必须满足：i + m - 1 <= n
推导得：i <= n - m + 1 = n - (k - t) + 1

示例说明：

当n=4, k=2, temp.size()=1时，还需选1个数字：

边界条件：i <= 4 - 1 + 1 = 4
可选数字：i从当前s到4，符合实际需求

四、回溯流程深度模拟：以n=4,k=2为例

递归调用树：

backTracking(4,2,1)
├─ i=1: temp=[1]
│  └─ backTracking(4,2,2)
│    ├─ i=2: temp=[1,2] → 加入res
│    ├─ i=3: temp=[1,3] → 加入res
│    └─ i=4: temp=[1,4] → 加入res
├─ i=2: temp=[2]
│  └─ backTracking(4,2,3)
│    ├─ i=3: temp=[2,3] → 加入res
│    └─ i=4: temp=[2,4] → 加入res
└─ i=3: temp=[3]└─ backTracking(4,2,4)└─ i=4: temp=[3,4] → 加入res

详细步骤：

初始调用：backTracking(4,2,1)
- temp为空，进入循环，i从1开始
i=1时：
- temp.add(1) → temp=[1]
- 递归调用backTracking(4,2,2)
- 在该递归中，i从2开始，依次选择2、3、4，形成[1,2]、[1,3]、[1,4]
i=2时：
- temp.add(2) → temp=[2]
- 递归调用backTracking(4,2,3)
- 形成[2,3]、[2,4]
i=3时：
- temp.add(3) → temp=[3]
- 递归调用backTracking(4,2,4)
- 形成[3,4]

五、算法复杂度分析

1. 时间复杂度

O(C(n,k)×k)：
- 组合数：C(n,k)为最终结果数量
- 每个组合需要O(k)时间复制到结果集
优化后的循环减少了无效搜索，但最坏情况下仍需遍历所有可能组合

2. 空间复杂度

O(k)：递归栈深度最大为k（每层递归代表一个数字选择）
temp列表长度最多为k，res空间为O(C(n,k)×k)

六、核心技术点总结：回溯算法的三大要素

1. 状态定义

当前组合：用temp列表记录正在构建的组合
结果集：用res列表存储所有有效组合
选择起点：用s参数避免重复组合

2. 递归逻辑

终止条件：当组合长度达到k时保存结果
递归方向：每次选择后，下一次选择从i+1开始
回退操作：用removeLast()撤销选择

3. 剪枝优化

循环边界计算：通过数学推导减少无效搜索
顺序控制：从s开始选择，保证组合升序且唯一

七、常见误区与优化建议

1. 重复组合问题

误区：未使用s参数控制选择起点

for (int i = 1; i <= n; i++) { ... } // 错误，会产生[1,2]和[2,1]等重复组合

正确做法：每次从s开始选择，且s=i+1

2. 结果集复制错误

误区：直接添加temp到res

res.add(temp); // 错误，后续修改会影响已保存的组合

正确做法：添加副本new ArrayList<>(temp)

3. 优化建议：位运算实现

// 位运算解法（仅作示意）
List<List<Integer>> res = new ArrayList<>();
for (int mask = 1; mask < (1 << n); mask++) {if (Integer.bitCount(mask) == k) {List<Integer> combo = new ArrayList<>();for (int i = 0; i < n; i++) {if ((mask & (1 << i)) != 0) {combo.add(i + 1);}}res.add(combo);}
}