技术

并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办? 容器狂打日志怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 mesos 的一些tips mesos 集成 calico calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 从一个marathon的问题开始的 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 mesos深入 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 那些有用的sql语句 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


回溯法

2017年10月11日

简介

笔者最近在和同事准备校招题的时候,有一道涉及到回溯的编程题,发现自己也不会,看了答案也没什么感觉,因此收集材料整理下。

本文涉及到两道题目:

  1. 利用字符‘a’、‘b’ 、 ‘c’ 、‘d’ 、‘e’ 、‘f’、‘g’生成并输出所有可能的字符串(但字符不可重复使用,输出顺序无要求),比如: “a”、“b”、“c”、“d”、“e”、“f”、“g”、“ab”、“ba”、“ac”、“ca”

  2. 集合A的幂集是由集合A的所有子集所组成的的集合,如:A=1,2,3,则A的幂集P(A)={1,2,3},{1,2},{1,3},{1},{2,3},{2},{3},{ },求一个集合的幂集就是求一个集合的所有的子集。来自回溯法求幂集

两个问题基本一样,主要是回溯法求幂集 对回溯法的一些思路表述的比较精彩。下文会混用两个问题。

重新理解递归

写递归函数的正确思维方法基本要点:

  1. 看到一个递归实现, 我们总是难免陷入不停的回溯验证之中(把变量的变化依次写出来), 因为回溯就像反过来思考迭代, 这是我们习惯的思维方式, 但是其实无益于理解。数学归纳法才是理解的递归的方式,函数式编程也有这么点意思。

回溯法

回溯法求幂集

基本要点:回溯法是设计递归过程的一种重要的方法,它的求解过实质上是一个先序遍历一棵“状态树”的过程,只是这棵树不是遍历前预先建立的,而是隐含在遍历过程中的。

这句话,体现在数据结构上(存储状态树)就是,正常使用一维数组存储一棵二叉树套路是

而一般未加约定的数组,只能存储树的某一分支的所有数据。在递归树的过程中,数组不断变化。当我们将一个问题抽象为一个棵树,到叶子/非叶子节点的路径是一个解决方案时,递归是罗列出所有解决的方案的代码手段。注意,通常是一个路径,而不是叶子节点代表一个解。

这也回到了算法的本质:构造解空间,从中选出符合条件的解。

求子集

其中“ab”=“ba”

迭代法:

for(i=0;i<len;i++){
	for(j=i;j<len;j++){
		print(str,i,j);
	}
}

位图法

设原集合为<a,b,c,d>,数组A的某次“加一”后的状态为[1,0,1,1],则本次输出的子集为<a,c,d>

那么从数字0 ==> [0,0,0,0],每次加1 ==> [0,0,0,1],一直到[1,1,1,1]

回溯法

此处参考回溯法求幂集对回溯法的描述。

幂集中的每个元素是一个集合,它或是空集,或含集合A中一个元素,或含集合A中两个元素…… 或等于集合A。反之,从集合A 的每个元素来看,它只有两种状态:它或属幂集的无素集,或不属幂集的元素集。则求幂集p(A)的元素的过程可看成是依次对集合A中元素进行“取”或“舍”的过程,并且可以用一棵二叉树来表示过程中幂集元素的状态变化过程,树中的根结点表示幂集元素的初始状态(空集);叶子结点表示它的终结状态,而第i层的分支结点,则表示已对集合A中前i-1个元素进行了取舍处理的当前状态(左分支表示取,右分支表示舍 )。因此求幂集元素的过程即为先序遍历这棵状态树的过程

public class B {
    private String str = "abc";
    private int[] x = new int[3];
    private void print(int[] x) {
        for (int i = 0; i < x.length; i++) {
            if (x[i] == 1) {
                System.out.print(str.charAt(i));
            }
        }
        System.out.println();
    }
    public void backtrack(int i) {
    	  /*
    	  	x[i] 本质也是个位图,等x[i]从0到len赋值完毕,即可根据位图打印字符串
    	  */
        if (i >= str.length()) {
        	  // 到达叶子节点
            print(x);
        } else {
            for (int isChoose = 0; isChoose <= 1; isChoose++) {
                x[i] = isChoose;
                backtrack(i + 1);
            }
            /*相当于
              x[i] = 0;
              backtrack(i + 1);
              x[i] = 1;
              backtrack(i + 1);
              这就有了二叉树分叉的效果
            */
        }
    }
    public static void main(String[] args) {
        new B().backtrack(0);
    }
}

对于代码:

backtrack{
	if (i >= str.length()) {
		print(x);
	}else{
		x[i] = 0;
		backtrack(i + 1);
		x[i] = 1;
		backtrack(i + 1);
	}
}

对于局部变量,递归函数每次运行时,都是全新的。如果递归函数操作全局数组,则在递归的过程中,就天然的有了二叉树分叉的效果。 此处,{x0 ==> x2 ==> x2} 代表一条路径。

可以推断,表示一个三叉树的先序遍历,需要在同一层调用三次递归方法,此时x[i]就是另外的含义了。

x[i] = 0;
backtrack(i + 1);
x[i] = 1;
backtrack(i + 1);
x[i] = 2;
backtrack(i + 1);

回溯时,还有另外一种实现思路,即使用xc[i]直接存储子集

private String str = "abc";
private char[] xc = new char[3];
public void backtrack(int i) {
    System.out.println(new String(xc));
    if (i >= str.length()) {
        return;
    } else {
        xc[i] = str.charAt(i);
        backtrack(i + 1);
        xc[i] = 0;
        backtrack(i + 1);
    }
}

全排列

回溯之子集树和排列树(子集和问题)

用树描述一下所有解空间,注意,分叉的数目是逐渐减少的。

逐步构建全排列

代码如下

private String str = "abc";
private int[] x = new int[3];
private char[] xc = new char[3];

public void backtrack(int i) {
    if (i >= str.length()) {
        System.out.println(new String(xc));
    } else {
        for (int t = 0; t < str.length(); t++) {
        	   // 如果str.charAt(t)还未被选入到xc中
            if (x[t] == 0) {
                x[t] = 1;		
                xc[i] = str.charAt(t);
                backtrack(i + 1);
                x[t] = 0;
                xc[i] = 0;	
            }
        }
    }
}

此处x[t]即表示特定位置的字符是否已被加入到xc,如已经加入,则不递归。因此循环每次都是从0开始,通过if 判断也达到减少分支的效果。此处x数组的最终结果都是111,{000 ==> 100 ==> 110 ==> 111} 代表一条路径。

全排列的另一种解法

private String str = "abc";
public void backtrack(String str, int i) {
    if (i >= str.length()) {
        System.out.println(str);
    } else {
    	  // 每个字符都有当第一个字符的机会,所以n个字符开n个分叉,然后分叉逐渐减少
        for (int t = i; t < str.length(); t++) {
            str = swap(str, t, i);
            backtrack(str,i + 1);
            str = swap(str, i, t);
        }
    }
}

此处,swap函数用以实现每个字符当字符串首字符的效果,达到该效果也可以采用其它函数,比如

// 将index 字符作为首字符
private String firstChar(String str, int index) {
    StringBuilder sb = new StringBuilder(str);
    sb.deleteCharAt(index);
    sb.insert(0, str.charAt(index));
    return sb.toString();
}
// 将首字符放在index位置,作为firstChar的反操作
private String _firstChar(String str, int index) {
    StringBuilder sb = new StringBuilder(str);
    sb.deleteCharAt(0);
    sb.insert(index, str.charAt(0));
    return sb.toString();
}
public void backtrack(String str, int i) {
    if (i >= str.length()) {
        System.out.println(str);
    } else {
        for (int t = i; t < str.length(); t++) {
            str = firstChar(str, t);
            backtrack(str, i + 1);
            str = _firstChar(str, t);
        }
    }
} 

只是需要firstChar和_firstChar两个函数,不如swap来得简洁。但一简洁,导致很多博客通过交换来理解全排列,增加的理解的难度。

子集 + 全排列

即对于子集“ab”!=“ba”

第一感觉的方法:先求所有子集,再对所有子集全排列。

此外,对本文的全排列方法进行调整,即可在递归全排列的过程中,顺带输出子集。

public void backtrack(int i) {
	 // 全排列过程中,此时xc还未构造完毕,相当于输出了子集
 	 System.out.println(new String(xc));
    if (i >= str.length()) {
       return;
    } else {
        for (int t = 0; t < str.length(); t++) {
            if (x[t] == 0) {
                x[t] = 1;		
                xc[i] = str.charAt(t);
                backtrack(i + 1);
                x[t] = 0;
                xc[i] = 0;	
            }
        }
    }
}

小结

计算机并没有“大招”,关键是思维不要乱窜

直接看回溯的代码,通常会感觉莫名其妙,也非常容易遗忘。对于刷题的同学来说,则是非常大的记忆负担。其中的关节,便是建立一系列的抽象,来屏蔽一些实现细节。假设一个复杂系统要三层抽象,每一层都需要一些复杂算法。那么第三层的细节与第二层的细节一下子涌入脑海,人就容易懵逼。