Datawhale数据结构基础课程笔记-(Day7-9)回溯

回溯算法（Backtracking）：一种能避免不必要搜索的穷举式的搜索算法。采用试错的思想，在搜索尝试过程中寻找问题的解，当探索到某一步时，发现原先的选择并不满足求解条件，或者还需要满足更多求解条件时，就退回一步（回溯）重新选择，这种走不通就退回再走的技术称为「回溯法」，而满足回溯条件的某个状态的点称为「回溯点」。

回溯算法的基本思想：以深度优先搜索的方式，根据产生子节点的条件约束，搜索问题的解。当发现当前节点已不满足求解条件时，就「回溯」返回，尝试其他的路径。

具体步骤如下：

明确所有选择：画出搜索过程的决策树，根据决策树来确定搜索路径。
明确终止条件：推敲出递归的终止条件，以及递归终止时的要执行的处理方法。
将决策树和终止条件翻译成代码：
- 定义回溯函数（明确函数意义、传入参数、返回结果等）。
- 书写回溯函数主体（给出约束条件、选择元素、递归搜索、撤销选择部分）。
- 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）。

回溯算法的通用模板：

res = []    # 存放所欲符合条件结果的集合
path = []   # 存放当前符合条件的结果
def backtracking(nums):             # nums 为选择元素列表
    if 遇到边界条件:                  # 说明找到了一组符合条件的结果
        res.append(path[:])         # 将当前符合条件的结果放入集合中
        return

    for i in range(len(nums)):      # 枚举可选元素列表
        path.append(nums[i])        # 选择元素
        backtracking(nums)          # 递归搜索
        path.pop()                  # 撤销选择

backtracking(nums)

参考：04.02.01 递归算法（第 03 ~ 04 天）

509. 斐波那契数
#

思路：

题目直接给出了递归函数 $F(n) = F(n - 1) + F(n - 2)$,
终止条件为 n=0 或 n=1 ，可以容易地写出递归代码：

class Solution {
public:
    int fib(int n) {
        if(n==0){
            return 0;
        }
        else if(n==1){
            return 1;
        }
        return fib(n-1) + fib(n-2);
    }
};

执行用时分布12ms 消耗内存分布6.23MB

时间复杂度：$O((\frac{1 + \sqrt{5}}{2})^n)$。空间复杂度：$O(n)$。

509. 斐波那契数 #

509. 斐波那契数
#