點擊關注上方“五分鐘學算法”，

設為“置頂或星標”，第一時間送達干貨。

轉自面向大象編程

本期例題：LeetCode 46 - Permutations^[1]（Medium）

給定一個不重復的數字集合，返回其所有可能的全排列。例如：

• 輸入：[1, 2, 3]

• 輸出：

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

在第三講中，我們就講過了回溯法問題的基本思想。回溯法問題用遞歸求解，可以聯系上樹的遍歷，我們可以將決策路徑畫成一棵樹，回溯的過程就是這棵樹的遍歷過程。

不過在那篇文章中，我們只求解了一道非常簡單的回溯法問題：子集（subset）問題。在面試中，我們需要有能力更加復雜的回溯法問題，并應對題目的各種變種。本篇以經典的排列（permutation）和組合（combination）問題為例，講講求解回溯法問題的要點：候選集合。

這篇文章將會包含：

• 回溯法的”選什么“問題與候選集合

• 全排列、排列、組合問題的回溯法解法

• 回溯法問題中，如何維護候選集合

• 回溯法問題中，如何處理失效元素

回溯法的重點：“選什么”

我們說過，回溯法實際上就是在一棵決策樹上做遍歷的過程。那么，求解回溯法題目時，我們首先要思考所有決策路徑的形狀。例如，子集問題的決策樹如下圖所示：

子集問題的決策樹

決策樹形狀主要取決于每個結點處可能的分支，換句話說，就是在每次做決策時，我們 “可以選什么”、 “有什么可選的”。

對于子集問題而言，這個“選什么”的問題非常簡單，每次只有一個元素可選，要么選、要么不選。不過，對于更多的回溯法題目，“選什么”的問題并不好回答。這時候，我們就需要分析問題的候選集合，以及候選集合的變化，以此得到解題的思路。

全排列問題：如何維護候選集合

讓我們拿經典的全排列問題來講解回溯法問題的候選集合概念。

在全排列問題中，決策樹的分支數量并不固定。我們一共做? 次決策，第? 次決策會選擇排列的第? 個數。選擇第一個數時，全部的? 個數都可供挑選。而由于已選的數不可以重復選擇，越往后可供選擇的數越少。以? 為例，決策樹的形狀如下圖所示：

全排列問題的決策樹

如果從候選集合的角度來思考，在進行第一次選擇時，全部的 3 個數都可以選擇，候選集合的大小為 3。在第二次選擇時，候選集合的大小就只有 2 了；第三次選擇時，候選集合只剩一個元素。可以看到，全排列問題候選集合的變化規律是：每做一次選擇，候選集合就少一個元素，直到候選集合選完為止。我們可以在上面的決策樹的每個結點旁畫上候選集合的元素，這樣看得更清晰。

全排列問題有候選集合的決策樹

可以看到，已選集合與候選集合是補集的關系，它們加起來就是全部的元素。而在回溯法的選擇與撤銷選擇的過程中，已選集合和候選集合是此消彼長的關系。

如何根據這樣的思路寫出代碼呢？當然可以用 HashSet 這樣的數據結構來表示候選集合。但如果你這么去寫的話，會發現代碼寫起來比較啰嗦，而且 set 結構的“遍歷-刪除”操作不太好寫。在這里，我不展示使用 set 結構的代碼。大家只要明白一條要點：在一般情況下，候選集合使用數組表示即可。 候選集合上需要做的操作并不是很多，使用數組簡單又高效。

在子集問題中，我們定義了變量 k，表示當前要對第 k 個元素做決策。實際上，變量 k 就是候選集合的邊界，指針 k 之后的元素都是候選元素，而 k 之前都是無效元素，不可以再選了。

用數組表示候選集合

而每次決策完之后將 k 加一，就是將第 k 個元素移出了候選集合。

將第 k 個元素移出候選集合

在全排列問題中，我們要處理的情況更難一些。每次做決策時，候選集合中的所有元素都可以選擇，也就是有可能刪除候選集合中間的元素，這樣數組中會出現“空洞”。這種情況該怎么處理呢？我們可以使用一個巧妙的方法，先將要刪除的元素與第 k 個元素交換，再將 k 加一，過程如下方動圖所示：

從候選集合中部刪除元素（動圖）

不知道你有沒有注意到，上圖中候選集合之外的元素畫成了藍色，這些實際上就是已選集合。前面分析過，已選集合與候選集合是互補的。將藍色部分看成已選集合的話，我們從候選集合中刪除的元素，正好加入了已選集合中。也就是說，我們可以只用一個數組同時表示已選集合和候選集合！

理解了圖中的關系之后，題解代碼就呼之欲出了。我們只需使用一個 current 數組，左半邊表示已選元素，右半邊表示候選元素。指針 k 不僅是候選元素的開始位置，還是已選元素的結束位置。我們可以得到一份非常簡潔的題解代碼：

public List<List<Integer>> permute(List<Integer> nums) {List<Integer> current = new ArrayList<>(nums);List<List<Integer>> res = new ArrayList<>();backtrack(current, 0, res);return res; }// current[0..k) 是已選集合， current[k..N) 是候選集合 void backtrack(List<Integer> current, int k, List<List<Integer>> res) {if (k == current.size()) {res.add(new ArrayList<>(current));return;}// 從候選集合中選擇for (int i = k; i < current.size(); i++) {// 選擇數字 current[i]Collections.swap(current, k, i);// 將 k 加一backtrack(current, k+1, res);// 撤銷選擇Collections.swap(current, k, i);} }

注意寫在遞歸函數上方的注釋。在寫回溯法問題的代碼時，你需要時刻清楚什么是已選集合，什么是候選集合。注釋中的條件叫做“不變式”。一方面，我們在函數中可以參考變量 k 的含義，另一方面，我們在做遞歸調用的時候，要保證這個條件始終成立。特別注意代碼中遞歸調用傳入的參數是 k+1 ，即刪除一個候選元素，而不是傳入 i+1。

n 中取 k 的排列

全排列問題是? 中取? 的排列，可以記為?。在面試中，我們很可能會遇到各種各樣的變種題，那么? 中取? 的排列?、組合? 我們也要掌握。

問題非常簡單，我們只需要在全排列的基礎上，做完第? 個決策后就將結果返回。也就是說，只遍歷決策樹的前? 層。例如? 時，決策樹的第 2 層，已選集合中有兩個元素，將這里的結果返回即可。

n 中取 k 的排列的決策樹

題解代碼如下所示，只需要修改遞歸結束的條件即可。

public List<List<Integer>> permute(List<Integer> nums, int k) {List<Integer> current = new ArrayList<>(nums);List<List<Integer>> res = new ArrayList<>();backtrack(k, current, 0, res);return res; }// current[0..m) 是已選集合， current[m..N) 是候選集合 void backtrack(int k, List<Integer> current, int m, List<List<Integer>> res) {// 當已選集合達到 k 個元素時，收集結果并停止選擇if (m == k) {res.add(new ArrayList<>(current.subList(0, k)));return;}// 從候選集合中選擇for (int i = m; i < current.size(); i++) {// 選擇數字 current[i]Collections.swap(current, m, i);backtrack(k, current, m+1, res);// 撤銷選擇Collections.swap(current, m, i);} }

注意這里? 是題目的輸入，所以原先我們代碼里的變量 k 重命名成了 m。此外，就是遞歸函數開頭的 if 語句條件發生了變化，當已選集合達到? 個元素時，就收集結果停止遞歸。

組合問題：失效元素

由于排列組合的密切聯系，組合問題? ，即? 中取? 的組合，可以在? 問題的解法上稍加修改而來。

我們先思考一下組合和排列的關系。元素相同，但順序不同的兩個結果視為不同的排列，例如? 和?。但順序不同的結果會視為同一組合。那么，我們只需要考慮? 中所有升序的結果，就自然完成了組合的去重，得到?。

那么，如何讓回溯只生成升序的排列呢？這需要稍微動點腦筋，但也不是很難，只需要做到：每當選擇了一個數? 時，將候選集合中的所有小于? 的元素刪除，不再作為候選元素。

再仔細想想的話，在排列問題為了維護候選集合而進行的交換操作，這里也不需要了。例如下面的例子，選擇元素 6 之后，為了保持結果升序，前面的元素 4、5 也不能要了。不過，我們并不需要關注失效元素，我們只需要關注候選集合的變化情況。我們發現，剩下的候選集合仍然是數組中連續的一段，不會出現排列問題中的“空洞”情況。我們只用一個指針就能表示新的候選集合。

從候選集合中刪除多個元素

下圖是? 的決策樹，可以看到，候選集合都是連續的。已選集合不連續沒有關系，我們可以另開一個數組保存已選元素。

組合問題的決策樹

按照這個思路，我們可以寫出? 的代碼。

public List<List<Integer>> combine(List<Integer> nums, int k) {Deque<Integer> current = new ArrayDeque<>();List<List<Integer>> res = new ArrayList<>();backtrack(k, nums, 0, current, res);return res; }// current 是已選集合， nums[m..N) 是候選集合 void backtrack(int k, List<Integer> nums, int m, Deque<Integer> current, List<List<Integer>> res) {// 當已選集合達到 k 個元素時，收集結果并停止選擇if (current.size() == k) {res.add(new ArrayList<>(current));return;}// 從候選集合中選擇for (int i = m; i < nums.size(); i++) {// 選擇數字 nums[i]current.addLast(nums.get(i));// 元素 nums[m..i) 均失效backtrack(k, nums, i+1, current, res);// 撤銷選擇current.removeLast();} }

由于已選集合與候選集合并非互補，這里用單獨的數組存儲已選元素，這一點上與子集問題類似。

組合問題與子集問題的關系

也許是排列 & 組合的 CP 感太重，所以我們在思考組合問題的解法的時候會自然地從排列問題上遷移。其實，組合問題和子集問題有很密切的聯系。

由子集問題求解組合問題

組合問題可以看成是子集問題的特殊情況。從? 中取? 個數的組合，實際上就是求? 個元素的所有大小為? 的子集。也就是說，組合問題的結果是子集問題的一部分。我們可以在子集問題的決策樹的基礎上，當已選集合大小為? 的時候就不再遞歸，就可以得到組合問題的決策樹。

在子集問題決策樹基礎上得到的組合問題決策樹

具體的代碼這里就不展示了，請讀者自行在子集問題的題解代碼的基礎上修改得到? 的代碼。

由組合問題求解子集問題

對于子集問題，大小為? 的集合共有? 個可能的子集。對于組合問題?，得到的結果個數是組合數?，或者記為?。根據二項式定理：

要得到全部的? 個子集，我們可以計算所有? 中取? 的組合，再把這些組合加起來。根據這個思路，我們可以在組合問題的題解代碼上稍加修改得到子集問題的解：

public List<List<Integer>> subsets(List<Integer> nums) {Deque<Integer> current = new ArrayDeque<>();List<List<Integer>> res = new ArrayList<>();backtrack(nums, 0, current, res);return res; }// current 是已選集合， nums[m..N) 是候選集合 void backtrack(List<Integer> nums, int m, Deque<Integer> current, List<List<Integer>> res) {// 收集決策樹上每一個結點的結果res.add(new ArrayList<>(current));if (m == nums.size()) {// 當候選集合為空時，停止遞歸return;}// 從候選集合中選擇for (int i = m; i < nums.size(); i++) {// 選擇數字 nums[i]current.addLast(nums.get(i));// 元素 nums[m..i) 均失效backtrack(nums, i+1, current, res);// 撤銷選擇current.removeLast();} }

可以看到，每次做決策都會增加一個已選元素。當遞歸到第? 層時，計算的就是大小為? 的子集。不過，這樣寫出的子集問題解法沒有原解法易懂，我還是更推薦原解法。

總結

排列組合問題是回溯法中非常實際也非常典型的例題，可以通過做這些題目來體會回溯法的基本技巧。不過它們在 LeetCode 中沒有完全對應的例題。文章開頭的例題是全排列問題。對于組合問題，LeetCode 只有一個簡化版 77. Combinations^[2]，其中數字固定為 1 到 n 的整數。

排列組合問題展示了在求解回溯法問題時，候選集合的概念對理清思路的重要性。實際上，回溯法中的“選擇”與“撤銷選擇”，實際上就是從候選集合中刪除元素與添加回元素的操作。而我們在寫代碼的時候要注意在遞歸函數上方寫注釋，明確數組的哪一部分是候選集合。

排列組合問題還存在著一些變種，例如當輸入存在重復元素的時候，如何避免結果重復，就需要使用決策樹的剪枝方法。下一篇文章將會講解回溯法問題中如何正確地剪枝。

參考資料

[1]

LeetCode 46 - Permutations: https://leetcode.com/problems/permutations/

[2]

77. Combinations: https://leetcode.com/problems/combinations/

---

推薦閱讀

?? ?C++是如何從代碼到游戲的？?? ?告訴你一個學習編程的訣竅（建議收藏）?? ?自學編程的八大誤區！克服它！?? ?新手如何有效的刷算法題（LeetCode）?? ?10款VS Code插件神器，第7款超級實用！?? ?在拼多多上班，是一種什么樣的體驗？我tm心態崩了呀！?? ?寫給小白，從零開始擁有一個酷炫上線的網站！

---

歡迎關注我的公眾號“五分鐘學算法”，如果喜歡，麻煩點一下“在看”~

總結

以上是生活随笔為你收集整理的LeetCode 例题精讲 | 08 排列组合问题：回溯法的候选集合的全部內容，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。