0 解題步驟
回溯法解題時通常包含3個步驟：
1. 針對所給問題，定義問題的解空間；
2. 確定易於搜索的解空間結構；
3. 以深度優先方式搜索解空間，並在搜索過程中用剪枝函數避免無效搜索。
對於問題的解空間結構通常以樹或圖的形式表示，常用的兩類典型的解空間樹是子集樹和排列樹。當所給的問題是從n個元素的集合S中找到S滿足某種性質的子集時，相應的解空間樹稱為子集樹。例如，n個物品的0-1背包問題所對應的解空間樹是一棵子集樹，這類子集樹通常有2**n個葉結點，遍歷子集樹的算法需要O(2**n)計算時間。當所給問題是確定n個元素滿足某種性質的排列時，相應的解空間樹稱為排列樹。排列樹通常有n！個葉結點。因此，排列樹需要O(n!)計算時間。當問題的解空間確定后，便可用不同的剪枝函數和最優解表示方法來獲得最終結果。下面，介紹用子集樹或排列樹構造解空間的常見問題。
1. 子集樹
上圖是一棵n=3的子集樹。它是一棵完全二叉樹（有時可能是n叉樹，如圖着色問題，每一個結點可能有n種選擇），從根到每一個葉結點的路徑表示一個可行解。從根結點出發，以深度優先的方式搜索整棵樹。用回溯法搜索子集樹的一般算法可描述為：
void backtrack(int t)
{
if(t > n) output(x);
else
for(int i = 0; i <= 1; i++)
{
x[t] = i;
if(constraint(t) && bound(t)) backtrack(t+1);
}
}
其中，t表示遞歸深度，表示樹的第t層。當t > n時，算法已搜索到葉結點，由output( x ) 輸出可行解。否則，記錄當前選擇的x的值（即0或1），並遞歸遍歷所有子樹（這里只有左右子樹）。(constraint(t) && bound(t)) 表示剪枝函數，只有滿足剪枝函數的子樹才繼續遞歸。一棵子集樹一共有2**n個可搜索的解，對於所有可用子集樹表示解空間的問題都是在這
2**n個解中找到滿足條件的解，不同的是剪枝函數不同，最終解的表示形式不同。
1.1 求解組合
給定正整數n和k，求所有k個數的組合，例如，n=4，k=2，解為：
[ [2,4], [3,4], [2,3], [1,2], [1,3], [1,4], ]
此時，集合S={1,2,3,4}，從第一個元素開始搜索，對於每一個元素可以選擇或者不選擇，當當前選擇到的元素個數等於k時記錄這個結果。因此，我們定義result來保存記錄的結果，
answer記錄了當前選擇元素，即當前的解。
class Solution {
public:
void help(int n , int k , int start, vector<int> &answer, vector<vector<int>> & result) {
if(k == answer.size()) {
result.push_back(answer); //記錄結果
return ;
}
if(start > n) return; //搜索至葉結點
answer.push_back(start); // 選擇當前元素的情況
help(n, k, start + 1, answer, result);//
answer.pop_back();
help(n, k, start + 1, answer, result); // 不選擇的情況
}
vector<vector<int>> combine(int n, int k) {
vector<vector<int>> result;
vector<int> answer;
help(n, k, 1, answer, result);
return result;
}
};
1.2 求解組合和
上面一個問題其實就是在所有S的子集中尋找大小為k的子集，所以最終的解是大小等於k的子集的集合。
現在，我們給定一個整數的集合C，和一個整數T，找到集合C中元素和為T的所有集合的集合。其中，對應每有個C中的元素可以重復多次。
那么，這個問題與上面問題的區別是：1.找到一個解的條件不同（和為T）；2.元素可重復。
class Solution {
private:
void help(vector<int>& candidates, int start, int target, int sum, vector<int>& answer, vector<vector<int>>& result) {
if(sum == target) {
result.push_back(answer);
return;
}
if(start == candidates.size() || sum + candidates[start] > target) return; // 添加一個剪枝函數，當加入當前元素使和大於T時那么這是一棵不符合條件的子樹
answer.push_back(candidates[start]);
help(candidates, start, target, sum + candidates[start], answer, result);//依然從start開始，因為元素可重復
answer.pop_back();
help(candidates, start + 1, target, sum, answer, result);
}
public:
vector<vector<int>> combinationSum(vector<int>& candidates, int target) {
vector<int> answer;
vector<vector<int>> result;
sort(candidates.begin(), candidates.end());
help(candidates, 0, target, 0, answer, result);
return result;
}
};
1.3 求解組合和II
上面一題再變一下，一個元素只能用一次。上面一題為了解決元素可重復的問題，我們遍歷的時候，當加入當前元素時，遞歸遍歷繼續從當前元素開始。而現在要讓元素只被選擇一次，那么我們改變搜索策略，當選擇當前元素時，我們從下一個元素遞歸遍歷，當沒有選擇當前元素時，我們需要從下一個與當前不重復的元素開始。
void help(vector<int> & candidates, int start, int sum, int target, vector<int>& answer, vector<vector<int>>& result) {
if(sum == target) {
result.push_back(answer);
return ;
}
if(start == candidates.size() || sum + candidates[start] > target) return;
answer.push_back(candidates[start]);
help(candidates, start + 1, sum + candidates[start], target, answer, result);
answer.pop_back();
while(start + 1 < candidates.size() && candidates[start + 1] == candidates[start]) start++; //去掉重復的元素
help(candidates, start + 1, sum, target, answer, result);
}
2. 排列樹
上圖是一棵表示旅行售貨員問題的排列樹，從根到葉結點表示一條可選路徑。與子集樹不同的是，每一個當前結點的搜索策略是選擇剩下的元素中的一個，而子集樹是選擇或不選擇當前元素。用回溯法搜索排列樹的一般算法為：
void backtrack(int t)
{
if(t > n) output(x);
else
for(int i = t; i <= n; i++) //與子集樹不同，搜索剩下的結點
{
swap(x[t], x[i]);
if(constraint(t)&&bound(t)) backtrack(t+1);
swap(x[t], x[i]);
}
}
2.1 求排列
For example, [1,2,3] have the following permutations: [1,2,3], [1,3,2], [2,1,3], [2,3,1], [3,1,2], and [3,2,1].
這是一個最簡單的排列樹搜索問題，因為問題的解就是葉結點個數，即n！個。因此，它沒有剪枝函數，只要搜索到葉結點就保存一個解。
class Solution {
private:
void help(vector<int>& nums, vector<int>& pos, int now, vector<vector<int>>& result) {
int n = nums.size();
if(now == n) { //
vector<int> answer(n, 0);
for(int i = 0; i < n; i++) {
answer[i] = nums[pos[i]]; //pos保存元素的下標，這里構造需要的解
}
result.push_back(answer);
return;
}
for(int i = now; i < n; i++) {
swap(pos[now], pos[i]);
help(nums, pos, now + 1, result);
swap(pos[now], pos[i]);
}
}
public:
vector<vector<int>> permute(vector<int>& nums) {
vector<vector<int>> result;
int n = nums.size();
if(n == 0) return result;
vector<int> pos(n, 0);
for(int i = 0; i < n; i++) {
pos[i] = i;
}
help(nums, pos, 0, result);
return result;
}
};
2.2 n-Queens 問題
n-Queens問題是把n個皇后放在nxn的棋盤上，讓她們不能互相攻擊。按照國際象棋的規則，皇后可以攻擊與之處在同一行或同一列或者同一斜線上的棋子。一個4皇后問題的解為：
[ [".Q..", // Solution 1 "...Q", "Q...", "..Q."], ["..Q.", // Solution 2 "Q...", "...Q", ".Q.."] ]
我們可以把問題轉換成n個元素的集合的排列問題，而這個排列需要滿足上面這個規則。我們按行優先的順序，從上往下給每一行填一個皇后。這就相當於，解是一個n元向量，向量的元素下標對應於一行行坐標，而元素對應於列坐標。這里為了方便得到最終形式的解，我們把每一個解表示成nxn的char型矩陣。並設置了3個mask用於剪枝函數，即colFlag、
diagFlag1、diagFlag2分別表示列和兩對角線的mask，在剪枝函數中只需判斷當前位置處這3個mask對應的位是否被置位。
class Solution {
private:
int colFlag;
int diagFlag1;
int diagFlag2;
bool isValid(int rowIdx, int colIdx, int n) {
if((1 << colIdx) & colFlag) return false;
if((1 << (colIdx + rowIdx)) & diagFlag1) return false;
if((1 << (n + rowIdx - colIdx - 1)) & diagFlag2) return false;
return true;
}
void setFlag(int rowIdx, int colIdx, int n) { //設置mask flag
colFlag |= (1 << colIdx);
diagFlag1 |= (1 << (colIdx + rowIdx));
diagFlag2 |= (1 << (n + rowIdx - colIdx -1));
}
void unsetFlag(int rowIdx, int colIdx, int n) { //取消mask flag
colFlag &= ~(1 << colIdx);
diagFlag1 &= ~(1 << (colIdx + rowIdx));
diagFlag2 &= ~(1 << (n + rowIdx - colIdx -1));
}
void help(int n, vector<string>& answer, vector<vector<string>>& result) {
int rowIdx = answer.size();
if(rowIdx == n) { //搜索完成，記錄結果
result.push_back(answer);
return;
}
answer.push_back(string(n,'.'));
for(int i = 0; i < n; ++i) {
if(isValid(rowIdx, i, n)) { //如果當前位置可用
setFlag(rowIdx, i, n); //設置flag表示選擇了
answer.back()[i] = 'Q';
help(n, answer, result);
answer.back()[i] = '.';
unsetFlag(rowIdx, i, n);//取消flag，回溯
}
}
answer.pop_back();
}
public:
vector<vector<string> > solveNQueens(int n) {
colFlag = diagFlag1 = diagFlag2 = 0;
vector<string> answer;
vector<vector<string>> result;
help(n, answer, result);
return result;
}
};
總結：
子集樹和排列樹的不同是每一步的選擇策略不同。子集樹每一步對應的是對應的元素的選擇或不選擇，排列樹每一步對應的是剩下的元素選擇其中一個。一個的可搜索的解為2**n，一個為n！，因此，一個高效的回溯法算法必須依賴於剪枝函數來避免無效搜索。