一:题目
二:上码
// class Solution {
// public:
// vector<vector<int> > res;
// vector<int> path;
// void backtracking(int n,int k,int index){
// if(path.size() == k){
// res.push_back(path);
// return;
// }
// for(int i = index; i <= n ; i++){
// path.push_back(i);
// backtracking(n,k,i+1);//每次往下递归的时候使不断缩小范围的
// path.pop_back();//这里是处理每次递归到叶节点是时候 这时已经处理好一种可行解,那么就要为下一种
// // 可行解提供空间
// }
// }
// vector<vector<int>> combine(int n, int k) {
// /**
// 思路:1.经典回溯算法题,我们正常来思考这道题的时候 如果 k = 2,我们可能会用两层for循环来解决
// 但如果 k 一直往上增加 那么就要套k层循环 如此的话,是不合理的所以要用到递归回溯
// 2.这里选择的解的空间依然是 排列树 因为逐层往下的分支树木减少
// (第一层 1 2 3 4)
// (第二层 2 3 4)
// (第三层3 4)
// (第四层 4)
// 3.在这里我们选取for循环来遍历给定的容器里的元素,纵向是backstacking()递归寻求结果 到达叶
// 节点 这里也就是递归结束的时候将结果存在另一个容器当中。
// 4.具体写码
// 1>:递归函数的返回值和参数
// 返回值:vector<vector<int> > res :用来存最后的结果
// vector<int> path :用来存每次的求取的结果
// backtracking(n,k,index):这里的 n 和 k就是题目中给出的参数
// 需要注意的是 这里的 index 是需要记录我们每次的都是在不断缩小范围的
// 2>:回溯终止条件
// 当path.size() == k的时候这时容器中的元素已经装满了这是就是递归终止的条件
// 3>:单层的搜索过层 即 for循环来遍历给定的容器里的元素,
// 纵向是backstacking()递归寻求结果 到达叶节点
// */
// backtracking(n,k,1);
// return res;
// }
// };
class Solution {
public:
vector<vector<int> >ans;
vector<int> path;
//这里参数 index 目的是逐渐缩小范围
void backstracking(int n,int k,int index) {
if(path.size() == k) {
ans.push_back(path);
return;
}
for(int i = index; i <= n; i++) {
path.push_back(i);
backstracking(n,k,i+1);
path.pop_back();//这里体现回溯 我们遍历完一条路径 这时回溯去除刚装进去的结点
//准备装入新的结点。
}
}
vector<vector<int>> combine(int n, int k) {
backstracking(n,k,1);
return ans;
}
};