0039. 组合总和

ITCharge大约 3 分钟

0039. 组合总和

标签：数组、回溯
难度：中等

题目链接

0039. 组合总和 - 力扣

题目大意

描述：给定一个无重复元素的正整数数组 candidates 和一个正整数 target。

要求：找出 candidates 中所有可以使数字和为目标数 target 的所有不同组合，并以列表形式返回。可以按照任意顺序返回这些组合。

说明：

数组 candidates 中的数字可以无限重复选取。
如果至少一个数字的被选数量不同，则两种组合是不同的。
$1 \le candidates.length \le 30$ 。
$2 \le candidates[i] \le 40$ 。
candidates 的所有元素互不相同。
$1 \le target \le 40$ 。

示例：

示例 1：

输入：candidates = [2,3,6,7], target = 7
输出：[[2,2,3],[7]]
解释：
2 和 3 可以形成一组候选，2 + 2 + 3 = 7 。注意 2 可以使用多次。
7 也是一个候选， 7 = 7 。
仅有这两种组合。

示例 2：

输入: candidates = [2,3,5], target = 8
输出: [[2,2,2,2],[2,3,3],[3,5]]

解题思路

思路 1：回溯算法

定义回溯方法，start_index = 1 开始进行回溯。

如果 sum > target，则直接返回。
如果 sum == target，则将 path 中的元素加入到 res 数组中。
然后对 [start_index, n] 范围内的数进行遍历取值。
- 如果 sum + candidates[i] > target，可以直接跳出循环。
- 将和累积，即 sum += candidates[i]，然后将当前元素 i 加入 path 数组。
- 递归遍历 [start_index, n] 上的数。
- 加之前的和回退，即 sum -= candidates[i]，然后将遍历的 i 元素进行回退。
最终返回 res 数组。

根据回溯算法三步走，写出对应的回溯算法。

明确所有选择：一个组合每个位置上的元素都可以从剩余可选元素中选出。
明确终止条件：
- 当遍历到决策树的叶子节点时，就终止了。即当前路径搜索到末尾时，递归终止。
将决策树和终止条件翻译成代码：
1. 定义回溯函数：
  - backtrack(total, start_index): 函数的传入参数是 total（当前和）、start_index（剩余可选元素开始位置），全局变量是 res（存放所有符合条件结果的集合数组）和 path（存放当前符合条件的结果）。
    - backtrack(total, start_index): 函数代表的含义是：当前组合和为 total，递归从 candidates 的 start_index 位置开始，选择剩下的元素。
2. 书写回溯函数主体（给出选择元素、递归搜索、撤销选择部分）。
  - 从当前正在考虑元素，到数组结束为止，枚举出所有可选的元素。对于每一个可选元素：
    - 约束条件：之前已经选择的元素不再重复选用，只能从剩余元素中选择。
    - 选择元素：将其添加到当前数组 path 中。
    - 递归搜索：在选择该元素的情况下，继续递归选择剩下元素。
    - 撤销选择：将该元素从当前结果数组 path 中移除。
```
for i in range(start_index, len(candidates)):
   if total + candidates[i] > target:
       break

   total += candidates[i]
   path.append(candidates[i])
   backtrack(total, i)
   total -= candidates[i]
   path.pop()
```
1. 明确递归终止条件（给出递归终止条件，以及递归终止时的处理方法）。
  - 当不可能再出现解（total > target），或者遍历到决策树的叶子节点时（total == target）时，就终止了。
  - 当遍历到决策树的叶子节点时（total == target）时，将当前结果的数组 path 放入答案数组 res 中，递归停止。

思路 1：代码

class Solution:
    def combinationSum(self, candidates: List[int], target: int) -> List[List[int]]:
        res = []
        path = []
        def backtrack(total, start_index):
            if total > target:
                return
            
            if total == target:
                res.append(path[:])
                return
            
            for i in range(start_index, len(candidates)):
                if total + candidates[i] > target:
                    break
                
                total += candidates[i]
                path.append(candidates[i])
                backtrack(total, i)
                total -= candidates[i]
                path.pop()
        candidates.sort()
        backtrack(0, 0)
        return res

思路 1：复杂度分析

时间复杂度： $O(2^n \times n)$ ，其中 $n$ 是数组 candidates 的元素个数， $2^n$ 指的是所有状态数。
空间复杂度： $O(target)$ ，递归函数需要用到栈空间，栈空间取决于递归深度，最坏情况下递归深度为 $O(target)$ ，所以空间复杂度为 $O(target)$ 。