## DFS + 回溯解法这道题和 39. 组合总和（中等）几乎一样。唯一的不同是这题每个数只能使用一次，而「39. 组合总和（中等）」中可以使用无限次。我们再来回顾一下应该如何快速判断一道题是否应该使用 DFS + 回溯算法来爆搜。这个判断方法，最早三叶在 37. 解数独（困难）讲过。总的来说，你可以从两个方面来考虑： * *1. 求的是所有的方案，而不是方案数。* 由于求的是所有方案，不可能有什么特别的优化，我们只能进行枚举。这时候可能的解法有动态规划、记忆化搜索、DFS + 回溯算法。 * *2. 通常数据范围不会太大，只有几十。* 如果是动态规划或是记忆化搜索的题的话，由于它们的特点在于低重复/不重复枚举，所以一般数据范围可以出到 10^5 到 10^7，而 DFS + 回溯的话，通常会限制在 30 以内。这道题数据范围是 30 以内，而且是求所有方案。因此我们使用 DFS + 回溯来求解。我们可以接着 39. 组合总和（中等）的思路来修改： 1. 由于每个数字只能使用一次，我们可以直接在 DFS 中决策某个数是用还是不用。 2. 由于不允许重复答案，可以使用 set 来保存所有合法方案，最终再转为 list 进行返回。当然我们需要先对 cs 进行排序，确保得到的合法方案中数值都是从小到大的。这样 set 才能起到去重的作用。对于 `[1,2,1]` 和 `[1,1,2]`，set 不会认为是相同的数组。 ```Java class Solution { public List> combinationSum2(int[] cs, int t) { Arrays.sort(cs); Set> ans = new HashSet<>(); List cur = new ArrayList<>(); dfs(cs, t, 0, ans, cur); return new ArrayList<>(ans); } /** * cs: 原数组，从该数组进行选数 * t: 还剩多少值需要凑成。起始值为 target ，代表还没选择任何数；当 t = 0，代表选择的数凑成了 target * u: 当前决策到 cs[] 中的第几位 * ans: 最终结果集 * cur: 当前结果集 */ void dfs(int[] cs, int t, int u, Set> ans, List cur) { if (t == 0) { ans.add(new ArrayList<>(cur)); return; } if (u == cs.length || t < 0) return; // 使用 cs[u] cur.add(cs[u]); dfs(cs, t - cs[u], u + 1, ans, cur); // 进行回溯 cur.remove(cur.size() - 1); // 不使用 cs[u] dfs(cs, t, u + 1, ans, cur); } } ``` * 时间复杂度： DFS 回溯算法通常是指数级别的复杂度（因此数据范围通常为 30 以内）。这里暂定 O(n∗2^n) * 空间复杂度：同上。复杂度为 O(n∗2^n)

【回溯算法】求目标和的组合方案（升级篇） ...

关于作者 📝

目录

评论