原题
给定两个整数 n 和 k,返回 1 ... n 中所有可能的 k 个数的组合。
示例:
输入: n = 4, k = 2
输出:
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
原题url:https://leetcode-cn.com/problems/combinations/
解题
递归获取
一开始的想法就是遍历递归获取,利用一个 stack 存储中间结果,不断进行出栈入栈,这样肯定就能拿全。
让我们来看看代码:
class Solution {
public List<List<Integer>> combine(int n, int k) {
if (k == 0) {
return new LinkedList<>();
}
if (n == 0) {
return new LinkedList<>();
}
List<List<Integer>> result = new LinkedList<>();
Stack<Integer> stack = new Stack<>();
dfs(n, k, 1, stack, result);
return result;
}
public void dfs(int n, int remain, int index, Stack<Integer> stack, List<List<Integer>> result) {
for (int i = index; i <= n; i++) {
// 加入stack中
stack.push(i);
// 是否加到k个数
if (remain - 1 == 0) {
result.add(new LinkedList<>(stack));
} else {
dfs(n, remain - 1, i + 1, stack, result);
}
// 将数从stack中拿出
stack.pop();
}
}
}
提交OK,执行用时:73 ms
,内存消耗:44 MB
。是否还可以优化呢?
剪枝
今天看到了一个词剪枝
,其实这个词是回溯剪枝
,回溯
大家都懂,剪枝
其实就是一种优化,减少回溯
中不需要的情况。
从上面的代码可以看出,在回溯
中的遍历,并不需要一直遍历到 n。比如:从 7 个数中取 4 个数,开始的时候遍历到 4 就足够了,因为从 5 开始凑不齐 4 个数,之后的遍历也是同样如此。
明知失败的事不需要一直进行到最后,和快速失败
有些类似,接下来看看优化后的代码:
class Solution {
public List<List<Integer>> combine(int n, int k) {
if (k == 0) {
return new LinkedList<>();
}
if (n == 0) {
return new LinkedList<>();
}
List<List<Integer>> result = new LinkedList<>();
Stack<Integer> stack = new Stack<>();
dfs(n, k, 1, stack, result);
return result;
}
public void dfs(int n, int remain, int index, Stack<Integer> stack, List<List<Integer>> result) {
// 当剩余没有遍历的数,比还需要遍遍历的数少时,也可以不用继续了。
for (int i = index; i <= n && (n - i + 1 >= remain); i++) {
// 加入stack中
stack.push(i);
// 是否加到k个数
if (remain - 1 == 0) {
result.add(new LinkedList<>(stack));
} else {
dfs(n, remain - 1, i + 1, stack, result);
}
stack.pop();
}
}
}
代码更改极少,我们看看结果:执行用时: 5 ms
,内存消耗:40.7 MB
。
看似很小的变化,但效果却很好,看来这些细节确实是需要注意的。
总结
以上就是这道题目我的解答过程了,不知道大家是否理解了。这道题主要教会了需要剪枝
,找到边界情况,边界找的更细,那么需要执行的时间也可能会越少。
有兴趣的话可以访问我的博客或者关注我的公众号、头条号,说不定会有意外的惊喜。
公众号:健程之道