一、题目
给定一个候选人编号的集合 candidates
和一个目标数 target
,找出 candidates
中所有可以使数字和为 target
的组合。
candidates
中的每个数字在每个组合中只能使用 一次 。
注意:解集不能包含重复的组合。
二、解题思路
-
排序:首先对 candidates 数组进行排序,这样可以避免在搜索过程中重复使用相同的元素,并且可以利用已经排序的特性来剪枝。
-
回溯搜索:使用递归函数进行回溯搜索,每次选择一个候选数字,并从剩余的候选数字中继续寻找可能的组合。
-
剪枝:在搜索过程中,如果当前的数字和已经达到或超过目标数 target,则直接返回,不再继续搜索。同时,如果当前选择的数字与上一次选择的数字相同,为了防止重复,也需要剪枝。
-
结果存储:当找到一个有效的组合时,将其添加到结果列表中。
三、具体代码
import java.util.ArrayList;
import java.util.List;public class Solution {public List<List<Integer>> combinationSum2(int[] candidates, int target) {List<List<Integer>> result = new ArrayList<>();List<Integer> combination = new ArrayList<>();Arrays.sort(candidates); // 对候选数组进行排序dfs(candidates, target, 0, combination, result);return result;}private void dfs(int[] candidates, int remain, int start, List<Integer> combination, List<List<Integer>> result) {if (remain == 0) { // 如果当前剩余值为0,说明找到了一个有效的组合result.add(new ArrayList<>(combination)); // 将当前组合添加到结果中return;}for (int i = start; i < candidates.length; i++) {if (remain - candidates[i] < 0) break; // 剪枝,如果当前数字使剩余值小于0,则不再继续if (i > start && candidates[i] == candidates[i - 1]) continue; // 跳过重复的数字combination.add(candidates[i]); // 选择当前数字dfs(candidates, remain - candidates[i], i + 1, combination, result); // 递归搜索剩余的组合combination.remove(combination.size() - 1); // 回溯,移除当前数字}}
}
四、时间复杂度和空间复杂度
1. 时间复杂度
-
排序步骤:
Arrays.sort(candidates)
是对输入数组进行排序的步骤,其时间复杂度通常是O(n log n)
,其中n
是数组candidates
的长度。 -
DFS搜索:深度优先搜索(DFS)是算法的核心部分。在每次递归中,我们遍历数组
candidates
并尝试每个可能的数字。由于数组已经排序,我们可以通过剪枝来避免不必要的搜索,例如跳过重复的数字和超出目标值的组合。理想情况下,每次递归都会减少目标值remain
,直到remain
为 0,此时我们找到了一个有效的组合。在最坏的情况下,如果目标值target
可以通过数组中的多个不同组合来达到,那么我们需要遍历所有可能的组合。因此,DFS搜索的时间复杂度可以表示为O(2^n)
,其中n
是数组candidates
的长度。然而,由于剪枝的存在,实际的搜索空间会小得多。 -
总结来说,排序步骤的时间复杂度是
O(n log n)
,而DFS搜索的时间复杂度在最坏情况下是O(2^n)
,但实际执行时由于剪枝操作,时间复杂度会显著降低。
2. 空间复杂度
-
递归栈:由于使用了递归,我们需要考虑递归栈的深度。在最坏的情况下,递归栈的深度可能达到
n
,即数组candidates
的长度,因为每次递归调用都可能创建一个新的递归层级。 -
结果存储:结果列表
result
存储所有有效的组合。在最坏的情况下,如果每个候选数字都可以独立地构成目标值target
,那么结果列表的大小将接近O(n)
,其中n
是数组candidates
的长度。 - 综合考虑,总的空间复杂度可以表示为
O(n + result.size)
,其中n
是数组candidates
的长度,result.size
是结果列表的大小。在最坏的情况下,结果列表的大小可能会非常大,但是由于剪枝的存在,实际的result.size
通常会小于2^n
。
五、总结知识点
1. 数组排序:使用 Arrays.sort(candidates)
对候选人数组 candidates
进行排序。这是为了确保后续搜索过程中可以利用有序性来剪枝,避免重复使用相同的数字,并减少搜索空间。
2. 深度优先搜索(DFS):通过递归的方式遍历所有可能的组合。DFS 是一种用于遍历或搜索树或图的算法,它沿着一个分支深入到不能再深入为止,然后回溯到上一个分支点继续搜索,直到找到所需的解或遍历完所有的分支。
3. 回溯法:这是一种通过递归来实现的算法策略,它尝试分步解决问题。如果当前步骤不能得到有效的解,它将取消上一步或几步的计算,再通过其他可能的分步解决方案继续尝试。
4. 剪枝:在搜索过程中,通过一些条件判断来减少不必要的搜索,提高算法效率。在这段代码中,剪枝体现在两个地方:
- 如果当前剩余值
remain
小于当前候选数字candidates[i]
,则没有必要继续搜索,因为剩余值不可能通过更大的数字来满足。 - 如果当前候选数字与前一个候选数字相同(即
candidates[i] == candidates[i - 1]
),则跳过当前数字以避免重复的组合。
5. 动态规划思想:虽然代码中没有直接使用动态规划,但是其解决问题的思想与动态规划有相似之处。动态规划通常用于解决具有重叠子问题和最优子结构特性的问题,而这段代码通过递归和回溯来寻找问题的最优解。
以上就是解决这个问题的详细步骤,希望能够为各位提供启发和帮助。