三维家什么是seo是什么意思

问题描述

给定一个不含重复元素的整数数组 nums，返回其所有可能的子集（幂集）。

示例

输入： nums = [1,2,3]

输出：

[ [], [1], [1,2], [1,2,3], [1,3], [2], [2,3], [3] ]

解法：回溯算法

回溯是一种 暴力搜索 方法，它通过 枚举所有可能的解 来解决问题。回溯算法的关键在于：

1. 选择：在当前状态下选择一个可行的元素加入子集中。

2. 递归：基于当前选择，递归探索剩余元素的子集。

3. 回溯：撤销上一步选择，尝试其他可能。

代码实现

import java.util.*;class Solution {public List<List<Integer>> ans = new ArrayList<>();public List<Integer> path = new ArrayList<>();public List<List<Integer>> subsets(int[] nums) {dfs(nums, 0);return ans;}public void dfs(int[] nums, int i) {ans.add(new ArrayList<>(path)); // 记录当前子集for (int j = i; j < nums.length; j++) {path.add(nums[j]);  // 选择元素 nums[j]dfs(nums, j + 1);   // 递归处理剩余元素path.remove(path.size() - 1);  // 回溯，撤销选择}}
}

代码解析

1. 变量定义

public List<List<Integer>> ans = new ArrayList<>();
public List<Integer> path = new ArrayList<>();

• ans：存储所有可能的子集。

• path：存储当前正在构造的子集。

2. 递归函数

public void dfs(int[] nums, int i) {ans.add(new ArrayList<>(path)); // 记录当前子集for (int j = i; j < nums.length; j++) {path.add(nums[j]);  // 选择 nums[j]dfs(nums, j + 1);   // 递归path.remove(path.size() - 1);  // 回溯}
}

核心逻辑

1. 存储当前子集：进入递归时，首先将 path 加入 ans，确保所有子集都被记录。

2. 遍历所有可能的选择：

   • j 从 i 开始，确保所有元素只能被选择一次，避免重复。

   • 选择 nums[j] 后，递归 dfs(nums, j+1) 处理剩余元素。

3. 回溯：递归结束后，撤销上一步的选择（path.remove()），探索其他可能。

递归执行过程

假设 nums = [1,2,3]，其递归树如下：

dfs(0, [])  --> 添加 []├── dfs(1, [1])  --> 添加 [1]│   ├── dfs(2, [1,2])  --> 添加 [1,2]│   │   ├── dfs(3, [1,2,3])  --> 添加 [1,2,3]│   │   └── 回溯到 [1,2]│   ├── dfs(3, [1,3])  --> 添加 [1,3]│   └── 回溯到 [1]├── dfs(2, [2])  --> 添加 [2]│   ├── dfs(3, [2,3])  --> 添加 [2,3]│   └── 回溯到 [2]├── dfs(3, [3])  --> 添加 [3]└── 回溯到 []

最终 ans 存储的子集为：

[ [], [1], [1,2], [1,2,3], [1,3], [2], [2,3], [3] ]

时间复杂度分析

• 每个元素可以 选或不选，因此总共有 2^n 种可能的子集。

• 递归深度为 n，每次递归的操作为 O(1)。

• 总时间复杂度：O(2^n * n)，近似 O(2^n)，指数级复杂度。

总结

1. 回溯思路：

   • 递归枚举所有可能的子集。

   • 先将 path 存入 ans，然后继续选择下一个元素。

   • 递归结束后 回溯，撤销上一步的选择。

2. 避免重复：

   • j 从 i 开始，保证每个元素只被选一次，避免重复子集。

3. 适用场景：

   • 由于时间复杂度为 O(2^n)，适用于 n ≤ 20 的情况。

这个方法是解决子集问题的经典方式，希望对你有所帮助！