《博主简介》
小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~
👍感谢小伙伴们点赞、关注！
组合总和1
class Solution: def combinationSum(self, candidates: List[int], target: int) -> List[List[int]]: def DFS(candidates,target,start,track): if sum(track) == target: res.append(track.copy()) return if sum(track) > target: return for i in range(start,len(candidates)): track.append(candidates[i]) DFS(candidates,target, i, track) track.pop() res =[] DFS(candidates,target,0,[]) return res |
元素可以重复使用,进入下一层时从i开始。元素不能重复使用时，进入下一层时从i+1卡开始。
组合总和2
class Solution: def combinationSum2(self, candidates: List[int], target: int) -> List[List[int]]: def DFS(candidates, target,start, track): if sum(track) > target: return if sum(track) == target: res.append(track.copy()) for i in range(start,len(candidates)): # 忽略掉同一层中重复的选项，上述for循环为本层的可选择列表 if i - 1 >= start and candidates[i-1] == candidates[i]: continue track.append(candidates[i]) DFS(candidates, target,i+1,track) track.pop() res = [] candidates.sort() DFS(candidates,target,0,[]) return res |
注：当题目中说明所给序列可能包含重复的组合或者子集时，解题套路是要先对原数组进行排序，并且在回溯的写法中，要加上对重复元素跳过的判断，即：
# if(i>startIndex)
# {
# if(candidates[i]==candidates[i-1])
# continue;
# }
# 其它的写题做法和回溯是一样的，可以加上剪枝判断，回溯中也要对sum一并进行回溯。
#for 循环枚举出选项时，加入下面判断，忽略掉同一层重复的选项，避免产生重复的组合。比如[1,2,2,2,5]中，选了第一个 2，变成 [1,2]，第一个 2 的下一选项也是 2，跳过它，因为选它，就还是 [1,2]
关键总结：
- 如果元素可以重复使用,进入下一层时从i开始。元素不能重复使用时，进入下一层时从i+1开始。
- 当题目中说明所给序列可能包含重复的组合或者子集时，解题套路是要先对原数组进行排序，并且在回溯的写法中，要加上对重复元素跳过的判断。
全排列1
class Solution: def permute(self, nums: List[int]) -> List[List[int]]: def backtrack(nums, track): if len(nums) == len(track): res.append(track.copy()) return for i in nums: # 排除不合法的选择，即不能选择已经在track中的元素 if i in track: continue track.append(i) backtrack(nums, track) track.pop() res = [] backtrack(nums,[]) return res |
全排列问题1与组合问题1的主要差别在于：
1.是否需要使用start参数来进行下一层开始选择元素的标识。
2.全排列问题，需要if i in track: continue，剔除上次选择的元素。
全排列2
class Solution: def permuteUnique(self, nums: List[int]) -> List[List[int]]: def DFS(nums,track,used): if len(track) == len(nums): res.append(track.copy()) return for i in range(len(nums)): #https://leetcode-cn.com/problems/permutations-ii/solution/47-quan-pai-lie-iiche-di-li-jie-pai-lie-zhong-de-q/ #这里理解used[i - 1]非常重要 # // used[i - 1] == true，说明同一树枝上nums[i - 1]使用过,在同一个递归栈内，试用过的都是Ture # // used[i - 1] == false，说明同一树层nums[i - 1]使用过，因为回溯会使上一个元素重新变为False # // 如果同一树层nums[i - 1]使用过则直接跳过 if i > 0 and nums[i] == nums[i-1] and used[i-1] == False: continue if used[i] == False: used[i] = True track.append(nums[i]) DFS(nums,track,used) track.pop() used[i] = False res = [] nums.sort() used = [False for i in range(len(nums))] DFS(nums,[],used) return res |
注：上述组合总和2与全排列2，去重的条件有一点点差别，主要原因是排列的话需要考虑前后位置差异，而组合的话不需要考虑位置差异。
组合的去重条件：
# 忽略掉同一层中重复的选项，上述for循环为本层的可选择列表
if i - 1 >= start and candidates[i-1] == candidates[i]:
排列的去重条件：
if i > 0 and nums[i] == nums[i-1] and used[i-1] == False:
【彻底理解排列中的去重问题】详解
思路
这道题目和46.全排列的区别在与给定一个可包含重复数字的序列，要返回所有不重复的全排列。
这里就涉及到去重了。
要注意全排列是要取树的叶子节点的，如果是子集问题，就取树上的所有节点。
这个去重为什么很难理解呢，所谓去重，其实就是使用过的元素不能重复选取。 这么一说好像很简单！
但是什么又是“使用过”，我们把排列问题抽象为树形结构之后，“使用过”在这个树形结构上是有两个维度的，一个维度是同一树枝上使用过，一个维度是同一树层上使用过。
没有理解这两个层面上的“使用过” 是造成大家没有彻底理解去重的根本原因。
那么排列问题，既可以在 同一树层上的“使用过”来去重，也可以在同一树枝上的“使用过”来去重！
理解这一本质，很多疑点就迎刃而解了。
还要强调的是去重一定要对元素经行排序，这样我们才方便通过相邻的节点来判断是否重复使用了。
首先把示例中的 [1,1,2] （为了方便举例，已经排序），抽象为一棵树，然后在同一树层上对nums[i-1]使用过的话，进行去重如图：
图中我们对同一树层，前一位（也就是nums[i-1]）如果使用过，那么就进行去重。
拓展
大家发现，去重最为关键的代码为：
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
continue;
}
可是如果把 used[i - 1] == true 也是正确的，去重代码如下：
if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == true) {
continue;
}
这是为什么呢，就是上面我刚说的，如果要对树层中前一位去重，就用used[i - 1] == false，如果要对树枝前一位去重用用used[i - 1] == true。
对于排列问题，树层上去重和树枝上去重，都是可以的，但是树层上去重效率更高！
这么说是不是有点抽象？
来来来，我就用输入: [1,1,1] 来举一个例子。
树层上去重(used[i - 1] == false)，的树形结构如下：
树枝上去重（used[i - 1] == true）的树型结构如下：
大家应该很清晰的看到，树层上去重非常彻底，效率很高，树枝上去重虽然最后可能得到答案，但是多做了很多无用搜索。
子集（组合问题）
class Solution: def subsets(self, nums: List[int]) -> List[List[int]]: def backtrack(nums, track, start): res.append(track.copy()) if start >= len(nums): return for i in range(start, len(nums)): track.append(nums[i]) backtrack(nums, track, i + 1) track.pop() res = [] backtrack(nums, [], 0) return res |
子集2（组合问题）
class Solution: def subsetsWithDup(self, nums: List[int]) -> List[List[int]]: def backtrack(nums, start, track): res.append(track.copy()) for i in range(start, len(nums)): if i-1>=start and nums[i]==nums[i-1]: # 同层去重 continue track.append(nums[i]) backtrack(nums,i+1,track) track.pop() res= [] nums.sort() backtrack(nums,0,[]) return res |
字符串排列（排列问题且涉及去重）
原始字符串可能存在重复字符’aab’---‘aba’,’baa’
class Solution: def permutation(self, s: str) -> List[str]: def backtrack(s, cur_s): if len(cur_s) == len(s): res.append(cur_s) return for i in range(len(s)): if i > 0 and s[i] == s[i-1] and visited[i-1] == False: #同层去重 continue if visited[i] == False: visited[i] = True backtrack(s, cur_s + s[i]) visited[i] = False res = [] visited = [False for _ in range(len(s))] s = ''.join(sorted(list(s))) backtrack(s,'') return res 写法二 class Solution: def permutation(self, s: str) -> List[str]: def backtrack(s, path): if not s: res.append(path) seen = set() for i in range(len(s)): if s[i] in seen: continue # 同层去重 seen.add(s[i]) #传递的字符串去除了当前选择的字符s[:i]+s[i+1:] backtrack(s[:i]+s[i+1:], path + s[i]) res = [] backtrack(s, "") return res |
关于本篇文章大家有任何建议或意见，欢迎在评论区留言交流！
觉得不错的小伙伴，感谢点赞、关注加收藏哦！
欢迎关注下方GZH：阿旭算法与机器学习，共同学习交流~
