前言

上文我們學習了深度優先搜索和廣度優先搜索，相信大家對這兩者的算法有了比較清楚的認識，值得一提的，深度優先算法用到了回溯的算法思想，這個算法雖然相對比較簡單，但很重要，在生產上廣泛用在正則表達式，編譯原理的語法分析等地方，很多經典的面試題也可以用回溯算法來解決，如八皇后問題，排列組合問題，0-1背包問題，數獨問題等，也是一種非常重要的算法。

本文將會從以下幾個方面來講述回溯算法，相信大家看了肯定有收獲！

什么是回溯算法

回溯算法解題通用套路

經典習題講解

什么是回溯算法

回溯算法本質其實就是枚舉，在給定的枚舉集合中，不斷從其中嘗試搜索找到問題的解，如果在搜索過程中發現不滿足求解條件 ，則「回溯」返回，嘗試其它路徑繼續搜索解決，這種走不通就回退再嘗試其它路徑的方法就是回溯法，許多復雜的，規模較大的問題都可以使用回溯法，所以回溯法有「通用解題方法」的美稱。

回溯算法解題通用套路

為了有規律地求解問題，我們把問題分成多個階段，每個階段都有多個解，隨機選擇一個解，進入下一個階段，下一個階段也隨機選擇一個解，再進入下一個階段...

每個階段選中的解都放入一個 「已選解集合」 中，并且要判斷 「已選解集合」是否滿足問題的條件（base case）,有兩種情況

如果「已選解集合」滿足問題的條件，則將 「已選解集合」放入「結果集」中，并且「回溯」換個解再遍歷。

如果不滿足，則「回溯」換個解再遍歷

根據以上描述不難得出回溯算法的通用解決套路偽代碼如下:

function?backtrace(已選解集合,每個階段可選解)?{if?(已選解集合滿足條件)?{結果集.add(已選解集合);return;}//?遍歷每個階段的可選解集合for?(可選解?in?每個階段的可選解)?{//?選擇此階段其中一個解,將其加入到已選解集合中已選解集合.add(可選解)//?進入下一個階段backtrace(已選解集合,下個階段可選的空間解)//?「回溯」換個解再遍歷已選解集合.remove(可選解)} }

通過以上分析我們不難發現回溯算法本質上就是深度優先遍歷，它一般解決的是樹形問題（問題分解成多個階段，每個階段有多個解，這樣就構成了一顆樹），所以判斷問題是否可以用回溯算法的關鍵在于它是否可以轉成一個樹形問題。

另外我們也發現如果能縮小每個階段的可選解，就能讓問題的搜索規模都縮小，這種就叫「剪枝」，通過剪枝能有效地降低整個問題的搜索復雜度！之前我們在一文學會遞歸解題中求解斐波那契問題時就用到了減枝的技巧，使問題的空間大大減少（如下圖示）

綜上，我們可以得出回溯算法的基本套路如下：

將問題分成多個階段，每個階段都有多個不同的解，這樣就將問題轉化成了樹形問題，這一步是問題的關鍵！如果能將問題轉成樹形問題，其實就成功了一半，需要注意的是樹形問題要明確終止條件，這樣可以在 DFS 的過程中及時終止遍歷，達到剪枝的效果

套用上述回溯算法的解題模板，進行深度優先遍歷，直到找到問題的解。

只要兩個步驟，是不是很簡單！接下來我們套用以上的解題模板來看看怎么使用以上回溯算法解題套路來解幾道經典的問題。

經典習題講解

一、全排列

給定數字 1，2，3，求出 3 位不重復數字的全排列

1、將問題轉為樹形結構

由于求的是 3 位數的全排列，所以問題分解為 3 個階段，第一個階段可以選 1，2，3 三個解，如果第一階段選完數字后，第二個階段可以選另外 2 個解，同理第三個階段也可以選擇剩下一個解。樹形結構如下：

2、套用上述回溯算法的解題模板，進行深度優先遍歷，直到找到問題的解

代碼如下:

public?class?Solution?{/***?結果集*/private?static?List<String>?RESULT?=?new?ArrayList<>(10);/***?參與全排列的數字*/private?static?List<Integer>?NUMS?=?Arrays.asList(1,?2,?3);/***?遍歷當前階段的解*?@param?selectedNums???已選解集合*?@param?selectableNums?可選的解集合*/public?static?void?permutation(List<Integer>?selectedNums,?List<Integer>?selectableNums?{//?滿足條件，加入結果集if?(selectedNums.size()?==?NUMS.size())?{RESULT.add(Arrays.toString(selectedNums.toArray()));return;}//?遍歷每個階段的可選解集合for?(int?i?=?0;?i?<?selectableNums.size();?i++)?{Integer?num?=?selectableNums.get(i);//?去除不符合條件的解，減枝if?(selectedNums.contains(num))?{continue;}//?選擇當前階段其中一個解selectedNums.add(num);//?選完之后再進入下個階段遍歷permutation(selectedNums,?selectableNums);//?回溯,換一個解繼續遍歷selectedNums.remove(num);}}public?static?void?main(String[]?args)?{List<Integer>?selectedNums?=?new?ArrayList<>();permutation(selectedNums,?NUMS);System.out.println(Arrays.toString(RESULT.toArray()));} }

為了讓大家更好地理解上述代碼，我一步步地畫出了每個階段的解題圖解，對照著以上代碼看相信大家應該能看明白

二、0-1背包問題

這里介紹一下一種比較簡單的背包問題：

有一個背包，背包總的承載重量是 Wkg?，F在我們有 n 個物品，每個物品的重量不等，并且不可分割。我們現在期望選擇幾件物品，裝載到背包中。在不超過背包所能裝載重量的前提下，如何讓背包中物品的總重量最大？假設這 n 個物品的質量分別 ?3kg, 4kg, 6kg, 8kg，背包總的承載重量是 10kg。

套用回溯算法解題思路

1、將問題轉為樹形結構

由于有 n 個物品，所以問題可以分解成 n 個階段，第一個階段可以有 n 個物品可選，第二個階段有 n-1 個物品可選,,,,,,最后一個階段有 1 個物品可選，不難畫出以下遞歸樹

既然能轉成樹形結構，那我們進入步驟 2

2、套用上述回溯算法的解題模板，進行深度優先遍歷，直到找到問題的解

需要注意的，進行 DFS 的終止條件是什么呢，顯然是所選物品質量（遍歷的節點）和大于等于背包質量，稍加變形不難得出以下代碼

public?class?Solution?{/***?結果集*/private?static?Integer?RESULT?=?0;/***?背包最大承載質量*/private?static?Integer?KNAPSACK_MAX_WEIGHT?=?10;/***?現有背包*/private?static?List<Integer>?WEIGHTS?=?Arrays.asList(3,?4,?6,?8);/***?遍歷當前階段的解**?@param?selectedWeights??已選解集合*?@param?selectableWeight?可選的解集合*/public?static?void?knapsack(List<Integer>?selectedWeights,?List<Integer>?selectableWeight)?{{//?求已選物品的總重量int?sumOfWeights?=?selectedWeights.stream().mapToInt(Integer::intValue).sum();if?(sumOfWeights?==?KNAPSACK_MAX_WEIGHT)?{RESULT?=?Math.max(RESULT,?sumOfWeights);return;}?else?if?(sumOfWeights?>?KNAPSACK_MAX_WEIGHT)?{//?如果已選物品的總重量超過背包最大承受質量，則要把最后一個選擇的物品移除，再求質量和selectedWeights.remove(selectedWeights.size()?-?1);sumOfWeights?=?selectedWeights.stream().mapToInt(Integer::intValue).sum();RESULT?=?Math.max(RESULT,?sumOfWeights);return;}?else?{RESULT?=?Math.max(RESULT,?sumOfWeights);}}//?遍歷每個階段的可選解集合for?(int?i?=?0;?i?<?selectableWeight.size();?i++)?{Integer?num?=?selectableWeight.get(i);//?去除不符合條件的解，減枝if?(selectedWeights.contains(num))?{continue;}//?選擇子節點的其中一個解selectedWeights.add(num);//?選完之后再進行?dfsknapsack(selectedWeights,?selectableWeight);//?「回溯」換個解再遍歷selectedWeights.remove(num);}}public?static?void?main(String[]?args)?{List<Integer>?selectedNums?=?new?ArrayList<>();knapsack(selectedNums,?WEIGHTS);System.out.println("result?=?"?+?RESULT);} }

可以看到套用模板我們又輕松解決了0-1背包問題，可能有人會說以上問題比較簡單，接下來我們來看看如何用上模板來解八皇后問題。

3、八皇后

老讀者對八皇后問題應該并不陌生，之前我們在位運算的文章中詳細地講解了如何用位運算來求解八皇后問題，當時也說了，用位運算來求解，是效率最高的，其實八皇后問題也可以用我們的回溯算法來求解，只不過不是那么高效而已，不過可讀性更好。

來簡單回顧上什么是八皇后問題。

八皇后問題：8x8 的棋盤，希望往里放 8 個棋子（皇后），每個棋子所在的行、列、對角線都不能有另一個棋子

如下所示是 8 皇后問題的一種放法。

1、將問題轉為樹形結構

對于 N 皇后問題，問題可以分解為 N 個階段， 第一個階段即第一行有 N 個解（N 列中的做生意一個解）， 第二階段（第二行）由于受第一行限制（皇后所在列，斜線不能放），解肯定是少于 N 個解，它的解視第一行所放皇后位置而定,... ，第 N 個階段的解受前面 N-1 個階段解的影響。N 皇后樹形結構如下

2、套用上述回溯算法的解題模板，進行深度優先遍歷，直到找到問題的解

套用以上模板時，注意終止條件與每個階段（每一行）所選解是否合法（剪枝）即可。注意看下 queenSettle 的方法，這是套用我們的回溯算法解題模板所得出來的，其他方法都是在此模板上進行添磚加瓦而已。

public?class?Solution?{private?static?Integer?N?=?8;/****?@param?selectedColumns?已選解集合,下標表示行,值表示queen存儲在哪一列*?@param?row?????????????可選的空間解,第?n?行可選*/public?static?void?queenSettle(int[]?selectedColumns,?int?row)?{//?終止條件if?(row?>?N?-?1)?{//?說明前?N?行都已經都選完皇后了，printQueens(selectedColumns);return;}for?(int?i?=?0;?i?<?N;?i?++)?{//?剔除不合法的格子if?(!isValid(row,?i,?selectedColumns))?{continue;}//?選擇子節點（當前行）其中一個解selectedColumns[row]?=?i;//?選完之后再進入下個階段的（下一行）遍歷queenSettle(selectedColumns,?row?+?1);//?回溯,換一個解繼續?dfs，回溯時要把回溯節點的解移除selectedColumns[row]?=?-1;}}/***?判斷相應的格子放置皇后是否OK*?@param?row*?@param?column*?@param?selectedColumns*?@return*/private?static?boolean?isValid(int?row,?int?column,?int[]?selectedColumns)?{//判斷row行column列放置是否合適int?leftup?=?column?-?1,?rightup?=?column?+?1;for?(int?i?=?row-1;?i?>=?0;?--i)?{?//?逐行往上考察每一行if?(selectedColumns[i]?==?column)?return?false;?//?第i行的column列有棋子嗎？if?(leftup?>=?0)?{?//?考察左上對角線：第i行leftup列有棋子嗎？if?(selectedColumns[i]?==?leftup)?return?false;}if?(rightup?<?8)?{?//?考察右上對角線：第i行rightup列有棋子嗎？if?(selectedColumns[i]?==?rightup)?return?false;}--leftup;?++rightup;}return?true;}public?static?void?main(String[]?args)?{int[]?selectedColumn?=?new?int[N];//?從第?0?行開始?DFSqueenSettle(selectedColumn,?0);}private?static?void?printQueens(int[]?result)?{?//?打印出一個二維矩陣for?(int?row?=?0;?row?<?8;?++row)?{for?(int?column?=?0;?column?<?8;?++column)?{if?(result[row]?==?column)?System.out.print("Q?");else?System.out.print("*?");}System.out.println();}System.out.println();} }

可以看到八皇后這么復雜的問題套用以上的解題模板也被我們輕松解決了！

總結

使用回溯算法解題的關鍵是把問題分成多階段，每個階段都有相應的解，于是就把問題轉成了樹形問題，轉成樹形問題后，剩下的只需要套用上文總結的解題模板即可，尤其需要注意的是，當遍歷當前階段解的時候，可以根據之前階段的解作「剪枝」操作，這樣使問題的搜索規模變小，有效降低了問題的復雜度。

巨人的肩膀

• https://mp.weixin.qq.com/s/nMUHqvwzG2LmWA9jMIHwQQ 回溯算法詳解

• https://time.geekbang.org/column/article/74287 回溯算法：從電影《蝴蝶效應》中學習回溯算法的核心思想

最后，歡迎大家關注公號哦。之后將會講解大量算法解題思路，希望我們一起攻克算法難題！

總結

以上是生活随笔為你收集整理的一文学会回溯算法解题技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。