跳转至

13.3   子集和问题

13.3.1   无重复元素的情况

Question

给定一个正整数数组 nums 和一个目标正整数 target ,请找出所有可能的组合,使得组合中的元素和等于 target 。给定数组无重复元素,每个元素可以被选取多次。请以列表形式返回这些组合,列表中不应包含重复组合。

例如,输入集合 \(\{3, 4, 5\}\) 和目标整数 \(9\) ,解为 \(\{3, 3, 3\}, \{4, 5\}\) 。需要注意以下两点。

  • 输入集合中的元素可以被无限次重复选取。
  • 子集不区分元素顺序,比如 \(\{4, 5\}\) 和 \(\{5, 4\}\) 是同一个子集。

1.   参考全排列解法

类似于全排列问题,我们可以把子集的生成过程想象成一系列选择的结果,并在选择过程中实时更新“元素和”,当元素和等于 target 时,就将子集记录至结果列表。

而与全排列问题不同的是,本题集合中的元素可以被无限次选取,因此无须借助 selected 布尔列表来记录元素是否已被选择。我们可以对全排列代码进行小幅修改,初步得到解题代码:

subset_sum_i_naive.py
def backtrack(
    state: list[int],
    target: int,
    total: int,
    choices: list[int],
    res: list[list[int]],
):
    """回溯算法:子集和 I"""
    # 子集和等于 target 时,记录解
    if total == target:
        res.append(list(state))
        return
    # 遍历所有选择
    for i in range(len(choices)):
        # 剪枝:若子集和超过 target ,则跳过该选择
        if total + choices[i] > target:
            continue
        # 尝试:做出选择,更新元素和 total
        state.append(choices[i])
        # 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res)
        # 回退:撤销选择,恢复到之前的状态
        state.pop()

def subset_sum_i_naive(nums: list[int], target: int) -> list[list[int]]:
    """求解子集和 I(包含重复子集)"""
    state = []  # 状态(子集)
    total = 0  # 子集和
    res = []  # 结果列表(子集列表)
    backtrack(state, target, total, nums, res)
    return res
subset_sum_i_naive.cpp
/* 回溯算法:子集和 I */
void backtrack(vector<int> &state, int target, int total, vector<int> &choices, vector<vector<int>> &res) {
    // 子集和等于 target 时,记录解
    if (total == target) {
        res.push_back(state);
        return;
    }
    // 遍历所有选择
    for (size_t i = 0; i < choices.size(); i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.push_back(choices[i]);
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop_back();
    }
}

/* 求解子集和 I(包含重复子集) */
vector<vector<int>> subsetSumINaive(vector<int> &nums, int target) {
    vector<int> state;       // 状态(子集)
    int total = 0;           // 子集和
    vector<vector<int>> res; // 结果列表(子集列表)
    backtrack(state, target, total, nums, res);
    return res;
}
subset_sum_i_naive.java
/* 回溯算法:子集和 I */
void backtrack(List<Integer> state, int target, int total, int[] choices, List<List<Integer>> res) {
    // 子集和等于 target 时,记录解
    if (total == target) {
        res.add(new ArrayList<>(state));
        return;
    }
    // 遍历所有选择
    for (int i = 0; i < choices.length; i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.add(choices[i]);
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.remove(state.size() - 1);
    }
}

/* 求解子集和 I(包含重复子集) */
List<List<Integer>> subsetSumINaive(int[] nums, int target) {
    List<Integer> state = new ArrayList<>(); // 状态(子集)
    int total = 0; // 子集和
    List<List<Integer>> res = new ArrayList<>(); // 结果列表(子集列表)
    backtrack(state, target, total, nums, res);
    return res;
}
subset_sum_i_naive.cs
/* 回溯算法:子集和 I */
void Backtrack(List<int> state, int target, int total, int[] choices, List<List<int>> res) {
    // 子集和等于 target 时,记录解
    if (total == target) {
        res.Add(new List<int>(state));
        return;
    }
    // 遍历所有选择
    for (int i = 0; i < choices.Length; i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.Add(choices[i]);
        // 进行下一轮选择
        Backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.RemoveAt(state.Count - 1);
    }
}

/* 求解子集和 I(包含重复子集) */
List<List<int>> SubsetSumINaive(int[] nums, int target) {
    List<int> state = []; // 状态(子集)
    int total = 0; // 子集和
    List<List<int>> res = []; // 结果列表(子集列表)
    Backtrack(state, target, total, nums, res);
    return res;
}
subset_sum_i_naive.go
/* 回溯算法:子集和 I */
func backtrackSubsetSumINaive(total, target int, state, choices *[]int, res *[][]int) {
    // 子集和等于 target 时,记录解
    if target == total {
        newState := append([]int{}, *state...)
        *res = append(*res, newState)
        return
    }
    // 遍历所有选择
    for i := 0; i < len(*choices); i++ {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if total+(*choices)[i] > target {
            continue
        }
        // 尝试:做出选择,更新元素和 total
        *state = append(*state, (*choices)[i])
        // 进行下一轮选择
        backtrackSubsetSumINaive(total+(*choices)[i], target, state, choices, res)
        // 回退:撤销选择,恢复到之前的状态
        *state = (*state)[:len(*state)-1]
    }
}

/* 求解子集和 I(包含重复子集) */
func subsetSumINaive(nums []int, target int) [][]int {
    state := make([]int, 0) // 状态(子集)
    total := 0              // 子集和
    res := make([][]int, 0) // 结果列表(子集列表)
    backtrackSubsetSumINaive(total, target, &state, &nums, &res)
    return res
}
subset_sum_i_naive.swift
/* 回溯算法:子集和 I */
func backtrack(state: inout [Int], target: Int, total: Int, choices: [Int], res: inout [[Int]]) {
    // 子集和等于 target 时,记录解
    if total == target {
        res.append(state)
        return
    }
    // 遍历所有选择
    for i in choices.indices {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if total + choices[i] > target {
            continue
        }
        // 尝试:做出选择,更新元素和 total
        state.append(choices[i])
        // 进行下一轮选择
        backtrack(state: &state, target: target, total: total + choices[i], choices: choices, res: &res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeLast()
    }
}

/* 求解子集和 I(包含重复子集) */
func subsetSumINaive(nums: [Int], target: Int) -> [[Int]] {
    var state: [Int] = [] // 状态(子集)
    let total = 0 // 子集和
    var res: [[Int]] = [] // 结果列表(子集列表)
    backtrack(state: &state, target: target, total: total, choices: nums, res: &res)
    return res
}
subset_sum_i_naive.js
/* 回溯算法:子集和 I */
function backtrack(state, target, total, choices, res) {
    // 子集和等于 target 时,记录解
    if (total === target) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    for (let i = 0; i < choices.length; i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I(包含重复子集) */
function subsetSumINaive(nums, target) {
    const state = []; // 状态(子集)
    const total = 0; // 子集和
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, total, nums, res);
    return res;
}
subset_sum_i_naive.ts
/* 回溯算法:子集和 I */
function backtrack(
    state: number[],
    target: number,
    total: number,
    choices: number[],
    res: number[][]
): void {
    // 子集和等于 target 时,记录解
    if (total === target) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    for (let i = 0; i < choices.length; i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I(包含重复子集) */
function subsetSumINaive(nums: number[], target: number): number[][] {
    const state = []; // 状态(子集)
    const total = 0; // 子集和
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, total, nums, res);
    return res;
}
subset_sum_i_naive.dart
/* 回溯算法:子集和 I */
void backtrack(
  List<int> state,
  int target,
  int total,
  List<int> choices,
  List<List<int>> res,
) {
  // 子集和等于 target 时,记录解
  if (total == target) {
    res.add(List.from(state));
    return;
  }
  // 遍历所有选择
  for (int i = 0; i < choices.length; i++) {
    // 剪枝:若子集和超过 target ,则跳过该选择
    if (total + choices[i] > target) {
      continue;
    }
    // 尝试:做出选择,更新元素和 total
    state.add(choices[i]);
    // 进行下一轮选择
    backtrack(state, target, total + choices[i], choices, res);
    // 回退:撤销选择,恢复到之前的状态
    state.removeLast();
  }
}

/* 求解子集和 I(包含重复子集) */
List<List<int>> subsetSumINaive(List<int> nums, int target) {
  List<int> state = []; // 状态(子集)
  int total = 0; // 元素和
  List<List<int>> res = []; // 结果列表(子集列表)
  backtrack(state, target, total, nums, res);
  return res;
}
subset_sum_i_naive.rs
/* 回溯算法:子集和 I */
fn backtrack(
    state: &mut Vec<i32>,
    target: i32,
    total: i32,
    choices: &[i32],
    res: &mut Vec<Vec<i32>>,
) {
    // 子集和等于 target 时,记录解
    if total == target {
        res.push(state.clone());
        return;
    }
    // 遍历所有选择
    for i in 0..choices.len() {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if total + choices[i] > target {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I(包含重复子集) */
fn subset_sum_i_naive(nums: &[i32], target: i32) -> Vec<Vec<i32>> {
    let mut state = Vec::new(); // 状态(子集)
    let total = 0; // 子集和
    let mut res = Vec::new(); // 结果列表(子集列表)
    backtrack(&mut state, target, total, nums, &mut res);
    res
}
subset_sum_i_naive.c
/* 回溯算法:子集和 I */
void backtrack(int target, int total, int *choices, int choicesSize) {
    // 子集和等于 target 时,记录解
    if (total == target) {
        for (int i = 0; i < stateSize; i++) {
            res[resSize][i] = state[i];
        }
        resColSizes[resSize++] = stateSize;
        return;
    }
    // 遍历所有选择
    for (int i = 0; i < choicesSize; i++) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue;
        }
        // 尝试:做出选择,更新元素和 total
        state[stateSize++] = choices[i];
        // 进行下一轮选择
        backtrack(target, total + choices[i], choices, choicesSize);
        // 回退:撤销选择,恢复到之前的状态
        stateSize--;
    }
}

/* 求解子集和 I(包含重复子集) */
void subsetSumINaive(int *nums, int numsSize, int target) {
    resSize = 0; // 初始化解的数量为0
    backtrack(target, 0, nums, numsSize);
}
subset_sum_i_naive.kt
/* 回溯算法:子集和 I */
fun backtrack(
    state: MutableList<Int>,
    target: Int,
    total: Int,
    choices: IntArray,
    res: MutableList<MutableList<Int>?>
) {
    // 子集和等于 target 时,记录解
    if (total == target) {
        res.add(state.toMutableList())
        return
    }
    // 遍历所有选择
    for (i in choices.indices) {
        // 剪枝:若子集和超过 target ,则跳过该选择
        if (total + choices[i] > target) {
            continue
        }
        // 尝试:做出选择,更新元素和 total
        state.add(choices[i])
        // 进行下一轮选择
        backtrack(state, target, total + choices[i], choices, res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeAt(state.size - 1)
    }
}

/* 求解子集和 I(包含重复子集) */
fun subsetSumINaive(nums: IntArray, target: Int): MutableList<MutableList<Int>?> {
    val state = mutableListOf<Int>() // 状态(子集)
    val total = 0 // 子集和
    val res = mutableListOf<MutableList<Int>?>() // 结果列表(子集列表)
    backtrack(state, target, total, nums, res)
    return res
}
subset_sum_i_naive.rb
### 回溯算法:子集和 I ###
def backtrack(state, target, total, choices, res)
  # 子集和等于 target 时,记录解
  if total == target
    res << state.dup
    return
  end

  # 遍历所有选择
  for i in 0...choices.length
    # 剪枝:若子集和超过 target ,则跳过该选择
    next if total + choices[i] > target
    # 尝试:做出选择,更新元素和 total
    state << choices[i]
    # 进行下一轮选择
    backtrack(state, target, total + choices[i], choices, res)
    # 回退:撤销选择,恢复到之前的状态
    state.pop
  end
end

### 求解子集和 I(包含重复子集)###
def subset_sum_i_naive(nums, target)
  state = [] # 状态(子集)
  total = 0 # 子集和
  res = [] # 结果列表(子集列表)
  backtrack(state, target, total, nums, res)
  res
end
可视化运行

向以上代码输入数组 \([3, 4, 5]\) 和目标元素 \(9\) ,输出结果为 \([3, 3, 3], [4, 5], [5, 4]\) 。虽然成功找出了所有和为 \(9\) 的子集,但其中存在重复的子集 \([4, 5]\) 和 \([5, 4]\) 。

这是因为搜索过程是区分选择顺序的,然而子集不区分选择顺序。如图 13-10 所示,先选 \(4\) 后选 \(5\) 与先选 \(5\) 后选 \(4\) 是不同的分支,但对应同一个子集。

图 13-10   子集搜索与越界剪枝

图解 13-10:仅按和越界剪枝仍会生成重复组合

从累计和 0 出发累加 3、4、5,超过 9 的分支被剪除,但仍同时输出重复组合 [4, 5] 与 [5, 4]。

给定正整数候选数组 choices = [3, 4, 5] 与目标和 target = 9,允许同一元素重复选取,且结果子集(组合)不区分元素顺序。

圆节点表示当前前缀的累计和(根为 0),每轮从全部候选 3、4、5 中尝试累加:新和超过 9(图中 >9 虚线剪枝,不构成新圆节点)则跳过;恰好等于 9 则进入叶节点记录结果,再返回上一层继续尝试。

搜索树共有 13 个实心圆状态节点。下表按层列出各前缀的累计和与后续选择;到达和为 9 的叶节点时记录一次结果,父节点行中的“进入”只指向该子调用。表中的箭头表示进入相应子节点,箭头右侧的数字是累计和。

累计和搜索树
当前前缀累计和下一轮选择或终止原因
[]0+3→3;+4→4;+5→5
[3]3+3→6;+4→7;+5→8
[4]4+3→7;+4→8;+5→9,进入 [4, 5](命中 9)
[5]5+3→8;+4→9,进入 [5, 4](命中 9);+5 越界
[3, 3]6+3→9,进入 [3, 3, 3](命中 9);+4、+5 越界
[3, 4]7+3、+4、+5 全部越界
[3, 5]8+3、+4、+5 全部越界
[4, 3]7+3、+4、+5 全部越界
[4, 4]8+3、+4、+5 全部越界
[4, 5]9记录结果并返回
[5, 3]8+3、+4、+5 全部越界
[5, 4]9记录结果并返回
[3, 3, 3]9记录结果并返回

越界剪枝虽能及时终止累计和超过 9 的分支,但搜索仍输出 [3, 3, 3]、[4, 5]、[5, 4] 三个结果,其中 [4, 5] 与 [5, 4] 是顺序不同但元素相同的重复组合。

为了去除重复子集,一种直接的思路是对结果列表进行去重。但这个方法效率很低,有两方面原因。

  • 当数组元素较多,尤其是当 target 较大时,搜索过程会产生大量的重复子集。
  • 比较子集(数组)的异同非常耗时,需要先排序数组,再比较数组中每个元素的异同。

2.   重复子集剪枝

我们考虑在搜索过程中通过剪枝进行去重。观察图 13-11 ,重复子集是在以不同顺序选择数组元素时产生的,例如以下情况。

  1. 当第一轮和第二轮分别选择 \(3\) 和 \(4\) 时,会生成包含这两个元素的所有子集,记为 \([3, 4, \dots]\) 。
  2. 之后,当第一轮选择 \(4\) 时,则第二轮应该跳过 \(3\) ,因为该选择产生的子集 \([4, 3, \dots]\) 和第 1. 步中生成的子集完全重复。

在搜索过程中,每一层的选择都是从左到右被逐个尝试的,因此越靠右的分支被剪掉的越多。

  1. 前两轮选择 \(3\) 和 \(5\) ,生成子集 \([3, 5, \dots]\) 。
  2. 前两轮选择 \(4\) 和 \(5\) ,生成子集 \([4, 5, \dots]\) 。
  3. 若第一轮选择 \(5\) ,则第二轮应该跳过 \(3\) 和 \(4\) ,因为子集 \([5, 3, \dots]\) 和 \([5, 4, \dots]\) 与第 1. 步和第 2. 步中描述的子集完全重复。

图 13-11   不同选择顺序导致的重复子集

图解 13-11:用不递减的选择索引避免重复组合

限制下一轮只从当前索引 i 及之后选取(对应下文代码的起始索引 start = i),剪去回头选更早索引的反序重复分支。

候选数组为 choices = [3, 4, 5](索引 0、1、2),各元素允许重复选取,且子集不区分元素顺序。本图仅展开前两轮选择来对比选数顺序与重复子集的关系,未展开第三轮及目标和判断。

组合不区分元素先后:先选较大索引再回头选较小索引,必定与先选较小索引再选较大索引的路径重复。因此选了 4 后不再回头选 3,选了 5 后不再回头选 3 或 4。

由于本题允许同一元素重复选取(如 [3, 3, …]、[4, 4, …]、[5, 5, …]),当本轮选中索引 i 时,下一轮起始位置必须设为 start = i 而非 i + 1,以保留再次选择当前元素的分支。图中末尾的省略号表示后续未画出;本图只比较选数顺序,不判断是否达到或超过目标和。

被剪的三个分支以灰化方块、虚线和剪刀标出,底部灰色弧线将它们与保留的反序前缀配对。下表列全九个两元素前缀及三对重复关系。

九个两元素前缀及三对重复
两元素前缀处理反序配对前缀原因
[3,3,…]保留无另一顺序的配对索引不递减
[3,4,…]保留[4,3,…]索引不递减
[3,5,…]保留[5,3,…]索引不递减
[4,3,…]跳过更早索引[3,4,…]与保留前缀产生重复组合
[4,4,…]保留无另一顺序的配对索引不递减
[4,5,…]保留[5,4,…]索引不递减
[5,3,…]跳过更早索引[3,5,…]与保留前缀产生重复组合
[5,4,…]跳过更早索引[4,5,…]与保留前缀产生重复组合
[5,5,…]保留无另一顺序的配对索引不递减

前两轮九个前缀中保留六个索引不递减的前缀;三条回头选更早索引的分支被剪去。

总结来看,给定输入数组 \([x_1, x_2, \dots, x_n]\) ,设搜索过程中的选择序列为 \([x_{i_1}, x_{i_2}, \dots, x_{i_m}]\) ,则该选择序列需要满足 \(i_1 \leq i_2 \leq \dots \leq i_m\) ,不满足该条件的选择序列都会造成重复,应当剪枝。

3.   代码实现

为实现该剪枝,我们初始化变量 start ,用于指示遍历起始点。当做出选择 \(x_{i}\) 后,设定下一轮从索引 \(i\) 开始遍历。这样做就可以让选择序列满足 \(i_1 \leq i_2 \leq \dots \leq i_m\) ,从而保证子集唯一。

除此之外,我们还对代码进行了以下两项优化。

  • 在开启搜索前,先将数组 nums 排序。在遍历所有选择时,当子集和超过 target 时直接结束循环,因为后边的元素更大,其子集和一定超过 target 。
  • 省去元素和变量 total ,通过在 target 上执行减法来统计元素和,当 target 等于 \(0\) 时记录解。
subset_sum_i.py
def backtrack(
    state: list[int], target: int, choices: list[int], start: int, res: list[list[int]]
):
    """回溯算法:子集和 I"""
    # 子集和等于 target 时,记录解
    if target == 0:
        res.append(list(state))
        return
    # 遍历所有选择
    # 剪枝二:从 start 开始遍历,避免生成重复子集
    for i in range(start, len(choices)):
        # 剪枝一:若子集和超过 target ,则直接结束循环
        # 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0:
            break
        # 尝试:做出选择,更新 target, start
        state.append(choices[i])
        # 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res)
        # 回退:撤销选择,恢复到之前的状态
        state.pop()

def subset_sum_i(nums: list[int], target: int) -> list[list[int]]:
    """求解子集和 I"""
    state = []  # 状态(子集)
    nums.sort()  # 对 nums 进行排序
    start = 0  # 遍历起始点
    res = []  # 结果列表(子集列表)
    backtrack(state, target, nums, start, res)
    return res
subset_sum_i.cpp
/* 回溯算法:子集和 I */
void backtrack(vector<int> &state, int target, vector<int> &choices, int start, vector<vector<int>> &res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.push_back(state);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (int i = start; i < choices.size(); i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.push_back(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop_back();
    }
}

/* 求解子集和 I */
vector<vector<int>> subsetSumI(vector<int> &nums, int target) {
    vector<int> state;              // 状态(子集)
    sort(nums.begin(), nums.end()); // 对 nums 进行排序
    int start = 0;                  // 遍历起始点
    vector<vector<int>> res;        // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_i.java
/* 回溯算法:子集和 I */
void backtrack(List<Integer> state, int target, int[] choices, int start, List<List<Integer>> res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.add(new ArrayList<>(state));
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (int i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.add(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.remove(state.size() - 1);
    }
}

/* 求解子集和 I */
List<List<Integer>> subsetSumI(int[] nums, int target) {
    List<Integer> state = new ArrayList<>(); // 状态(子集)
    Arrays.sort(nums); // 对 nums 进行排序
    int start = 0; // 遍历起始点
    List<List<Integer>> res = new ArrayList<>(); // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_i.cs
/* 回溯算法:子集和 I */
void Backtrack(List<int> state, int target, int[] choices, int start, List<List<int>> res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.Add(new List<int>(state));
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (int i = start; i < choices.Length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.Add(choices[i]);
        // 进行下一轮选择
        Backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.RemoveAt(state.Count - 1);
    }
}

/* 求解子集和 I */
List<List<int>> SubsetSumI(int[] nums, int target) {
    List<int> state = []; // 状态(子集)
    Array.Sort(nums); // 对 nums 进行排序
    int start = 0; // 遍历起始点
    List<List<int>> res = []; // 结果列表(子集列表)
    Backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_i.go
/* 回溯算法:子集和 I */
func backtrackSubsetSumI(start, target int, state, choices *[]int, res *[][]int) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        newState := append([]int{}, *state...)
        *res = append(*res, newState)
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for i := start; i < len(*choices); i++ {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target-(*choices)[i] < 0 {
            break
        }
        // 尝试:做出选择,更新 target, start
        *state = append(*state, (*choices)[i])
        // 进行下一轮选择
        backtrackSubsetSumI(i, target-(*choices)[i], state, choices, res)
        // 回退:撤销选择,恢复到之前的状态
        *state = (*state)[:len(*state)-1]
    }
}

/* 求解子集和 I */
func subsetSumI(nums []int, target int) [][]int {
    state := make([]int, 0) // 状态(子集)
    sort.Ints(nums)         // 对 nums 进行排序
    start := 0              // 遍历起始点
    res := make([][]int, 0) // 结果列表(子集列表)
    backtrackSubsetSumI(start, target, &state, &nums, &res)
    return res
}
subset_sum_i.swift
/* 回溯算法:子集和 I */
func backtrack(state: inout [Int], target: Int, choices: [Int], start: Int, res: inout [[Int]]) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        res.append(state)
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for i in choices.indices.dropFirst(start) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0 {
            break
        }
        // 尝试:做出选择,更新 target, start
        state.append(choices[i])
        // 进行下一轮选择
        backtrack(state: &state, target: target - choices[i], choices: choices, start: i, res: &res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeLast()
    }
}

/* 求解子集和 I */
func subsetSumI(nums: [Int], target: Int) -> [[Int]] {
    var state: [Int] = [] // 状态(子集)
    let nums = nums.sorted() // 对 nums 进行排序
    let start = 0 // 遍历起始点
    var res: [[Int]] = [] // 结果列表(子集列表)
    backtrack(state: &state, target: target, choices: nums, start: start, res: &res)
    return res
}
subset_sum_i.js
/* 回溯算法:子集和 I */
function backtrack(state, target, choices, start, res) {
    // 子集和等于 target 时,记录解
    if (target === 0) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (let i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I */
function subsetSumI(nums, target) {
    const state = []; // 状态(子集)
    nums.sort((a, b) => a - b); // 对 nums 进行排序
    const start = 0; // 遍历起始点
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_i.ts
/* 回溯算法:子集和 I */
function backtrack(
    state: number[],
    target: number,
    choices: number[],
    start: number,
    res: number[][]
): void {
    // 子集和等于 target 时,记录解
    if (target === 0) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (let i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I */
function subsetSumI(nums: number[], target: number): number[][] {
    const state = []; // 状态(子集)
    nums.sort((a, b) => a - b); // 对 nums 进行排序
    const start = 0; // 遍历起始点
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_i.dart
/* 回溯算法:子集和 I */
void backtrack(
  List<int> state,
  int target,
  List<int> choices,
  int start,
  List<List<int>> res,
) {
  // 子集和等于 target 时,记录解
  if (target == 0) {
    res.add(List.from(state));
    return;
  }
  // 遍历所有选择
  // 剪枝二:从 start 开始遍历,避免生成重复子集
  for (int i = start; i < choices.length; i++) {
    // 剪枝一:若子集和超过 target ,则直接结束循环
    // 这是因为数组已排序,后边元素更大,子集和一定超过 target
    if (target - choices[i] < 0) {
      break;
    }
    // 尝试:做出选择,更新 target, start
    state.add(choices[i]);
    // 进行下一轮选择
    backtrack(state, target - choices[i], choices, i, res);
    // 回退:撤销选择,恢复到之前的状态
    state.removeLast();
  }
}

/* 求解子集和 I */
List<List<int>> subsetSumI(List<int> nums, int target) {
  List<int> state = []; // 状态(子集)
  nums.sort(); // 对 nums 进行排序
  int start = 0; // 遍历起始点
  List<List<int>> res = []; // 结果列表(子集列表)
  backtrack(state, target, nums, start, res);
  return res;
}
subset_sum_i.rs
/* 回溯算法:子集和 I */
fn backtrack(
    state: &mut Vec<i32>,
    target: i32,
    choices: &[i32],
    start: usize,
    res: &mut Vec<Vec<i32>>,
) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        res.push(state.clone());
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for i in start..choices.len() {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0 {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 I */
fn subset_sum_i(nums: &mut [i32], target: i32) -> Vec<Vec<i32>> {
    let mut state = Vec::new(); // 状态(子集)
    nums.sort(); // 对 nums 进行排序
    let start = 0; // 遍历起始点
    let mut res = Vec::new(); // 结果列表(子集列表)
    backtrack(&mut state, target, nums, start, &mut res);
    res
}
subset_sum_i.c
/* 回溯算法:子集和 I */
void backtrack(int target, int *choices, int choicesSize, int start) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        for (int i = 0; i < stateSize; ++i) {
            res[resSize][i] = state[i];
        }
        resColSizes[resSize++] = stateSize;
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (int i = start; i < choicesSize; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 尝试:做出选择,更新 target, start
        state[stateSize] = choices[i];
        stateSize++;
        // 进行下一轮选择
        backtrack(target - choices[i], choices, choicesSize, i);
        // 回退:撤销选择,恢复到之前的状态
        stateSize--;
    }
}

/* 求解子集和 I */
void subsetSumI(int *nums, int numsSize, int target) {
    qsort(nums, numsSize, sizeof(int), cmp); // 对 nums 进行排序
    int start = 0;                           // 遍历起始点
    backtrack(target, nums, numsSize, start);
}
subset_sum_i.kt
/* 回溯算法:子集和 I */
fun backtrack(
    state: MutableList<Int>,
    target: Int,
    choices: IntArray,
    start: Int,
    res: MutableList<MutableList<Int>?>
) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.add(state.toMutableList())
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    for (i in start..<choices.size) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break
        }
        // 尝试:做出选择,更新 target, start
        state.add(choices[i])
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i, res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeAt(state.size - 1)
    }
}

/* 求解子集和 I */
fun subsetSumI(nums: IntArray, target: Int): MutableList<MutableList<Int>?> {
    val state = mutableListOf<Int>() // 状态(子集)
    nums.sort() // 对 nums 进行排序
    val start = 0 // 遍历起始点
    val res = mutableListOf<MutableList<Int>?>() // 结果列表(子集列表)
    backtrack(state, target, nums, start, res)
    return res
}
subset_sum_i.rb
### 回溯算法:子集和 I ###
def backtrack(state, target, choices, start, res)
  # 子集和等于 target 时,记录解
  if target.zero?
    res << state.dup
    return
  end
  # 遍历所有选择
  # 剪枝二:从 start 开始遍历,避免生成重复子集
  for i in start...choices.length
    # 剪枝一:若子集和超过 target ,则直接结束循环
    # 这是因为数组已排序,后边元素更大,子集和一定超过 target
    break if target - choices[i] < 0
    # 尝试:做出选择,更新 target, start
    state << choices[i]
    # 进行下一轮选择
    backtrack(state, target - choices[i], choices, i, res)
    # 回退:撤销选择,恢复到之前的状态
    state.pop
  end
end

### 求解子集和 I ###
def subset_sum_i(nums, target)
  state = [] # 状态(子集)
  nums.sort! # 对 nums 进行排序
  start = 0 # 遍历起始点
  res = [] # 结果列表(子集列表)
  backtrack(state, target, nums, start, res)
  res
end
可视化运行

图 13-12 所示为将数组 \([3, 4, 5]\) 和目标元素 \(9\) 输入以上代码后的整体回溯过程。

图 13-12   子集和 I 回溯过程

图解 13-12:子集和 I:余额归零与顺序剪枝

从目标 9 起逐层扣减候选,结合 start=i 与越界 break,输出 [3, 3, 3] 和 [4, 5]。

输入为已升序排列的正整数数组 choices = [3, 4, 5](索引 0、1、2)与初始目标 target = 9,元素允许重复选取,组合不区分顺序。图中圆节点内的数字表示剩余目标余额(9 减去当前前缀和),减至 0 时即命中合法子集。

进入调用后若余额为 0,则记录当前组合并返回上一层,由上一层继续循环;否则从起始索引 start 起枚举候选 choices[i],扣减余额后进入下一层。向下递归传递 start = i,既允许重复选取当前元素,又跳过更早索引(图中黑剪刀所示的顺序剪枝)。

候选已升序排列,在 i ≥ start 的范围内,遇到第一个大于余额的候选,只比较即 break,直接结束本轮循环;第一个及其后更大的越界候选都不会递归进入。图中的红剪刀标出这些越界分支。

图中有 10 个非负余额圆节点。下表按前缀列出余额、图示限制与实际后续;其中 [4, 4] 的余额 1 在图中没有继续展开,其后续 break 是按代码规则补充的。

按前缀查询余额与选择限制
当前前缀剩余目标可继续选择图中限制或终止情况实际后续
[]93、4、5无选择后余额分别为 6、5、4
[3]63、4、5无选择后余额分别为 3、2、1
[3,3]334、5 越界选 3 到 0;遇 4 时 break
[3,3,3]0无不再选择记录 [3,3,3]
[3,4]2无3 为更早索引;4、5 越界从 4 开始即 break
[3,5]1无3、4 为更早索引;5 越界从 5 开始即 break
[4]54、53 为更早索引选 4 到 1;选 5 到 0
[4,4]1无后续未在图中展开按代码规则,从 4 开始即 break
[4,5]0无不再选择记录 [4,5]
[5]4无3、4 为更早索引;5 越界从 5 开始即 break

两条归零路径是 9 → 6 → 3 → 0 与 9 → 5 → 0,分别得到 [3, 3, 3] 与 [4, 5]。

13.3.2   考虑重复元素的情况

Question

给定一个正整数数组 nums 和一个目标正整数 target ,请找出所有可能的组合,使得组合中的元素和等于 target 。给定数组可能包含重复元素,每个元素只可被选择一次。请以列表形式返回这些组合,列表中不应包含重复组合。

相比于上题,本题的输入数组可能包含重复元素,这引入了新的问题。例如,给定数组 \([4, \hat{4}, 5]\) 和目标元素 \(9\) ,则现有代码的输出结果为 \([4, 5], [\hat{4}, 5]\) ,出现了重复子集。

造成这种重复的原因是相等元素在某轮中被多次选择。在图 13-13 中,第一轮共有三个选择,其中两个都为 \(4\) ,会产生两个重复的搜索分支,从而输出重复子集;同理,第二轮的两个 \(4\) 也会产生重复子集。

图 13-13   相等元素导致的重复子集

图解 13-13:相等候选造成新的组合重复

候选数组中两个值为 4 的元素,会在同一轮选择中产生内容相同的重复子集分支。

输入数组为 choices = [4, 4, 5],索引依次为 0、1、2。下文以“第一个 4”和“第二个 4”区分索引 0 与 1;原图在第二个 4 上加帽,两者数值都为 4。子集和 II 要求每个索引最多用一次且解集不重复。本图先沿用子集和 I 的选择方式,即下一轮 start = i、允许再次选择当前索引,展示相等候选带来的问题。

顶部给出 choices。两层局部搜索树从空状态出发,第一轮分别选择第一个 4、第二个 4 或 5;第二轮仅在 [第一个 4, …] 下继续尝试这三个候选。两处的第三个分支都只标 +5,没有写出前缀。

第一条灰色弧线连接 [第一个 4, …] 与 [第二个 4, …];第二条连接 [第一个 4, 第一个 4, …] 与 [第一个 4, 第二个 4, …],都标注“重复子集”。前一对数值前缀同为 [4, …],后一对同为 [4, 4, …]。其中再次选第一个 4 还重用了索引 0,在子集和 II 的规则下本身就是非法选择。

要解决子集和 II 的重复问题,既要禁止同一索引在一条路径中被重复选取,又要限制同一轮中相等数值的候选只尝试一次;而不同索引的两个 4 仍允许在不同轮次先后入选。

1.   相等元素剪枝

为解决此问题,我们需要限制相等元素在每一轮中只能被选择一次。实现方式比较巧妙:由于数组是已排序的,因此相等元素都是相邻的。这意味着在某轮选择中,若当前元素与其左边元素相等,则说明它已经被选择过,因此直接跳过当前元素。

与此同时,本题规定每个数组元素只能被选择一次。幸运的是,我们也可以利用变量 start 来满足该约束:当做出选择 \(x_{i}\) 后,设定下一轮从索引 \(i + 1\) 开始向后遍历。这样既能去除重复子集,也能避免重复选择元素。

2.   代码实现

subset_sum_ii.py
def backtrack(
    state: list[int], target: int, choices: list[int], start: int, res: list[list[int]]
):
    """回溯算法:子集和 II"""
    # 子集和等于 target 时,记录解
    if target == 0:
        res.append(list(state))
        return
    # 遍历所有选择
    # 剪枝二:从 start 开始遍历,避免生成重复子集
    # 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for i in range(start, len(choices)):
        # 剪枝一:若子集和超过 target ,则直接结束循环
        # 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0:
            break
        # 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if i > start and choices[i] == choices[i - 1]:
            continue
        # 尝试:做出选择,更新 target, start
        state.append(choices[i])
        # 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res)
        # 回退:撤销选择,恢复到之前的状态
        state.pop()

def subset_sum_ii(nums: list[int], target: int) -> list[list[int]]:
    """求解子集和 II"""
    state = []  # 状态(子集)
    nums.sort()  # 对 nums 进行排序
    start = 0  # 遍历起始点
    res = []  # 结果列表(子集列表)
    backtrack(state, target, nums, start, res)
    return res
subset_sum_ii.cpp
/* 回溯算法:子集和 II */
void backtrack(vector<int> &state, int target, vector<int> &choices, int start, vector<vector<int>> &res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.push_back(state);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (int i = start; i < choices.size(); i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] == choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.push_back(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop_back();
    }
}

/* 求解子集和 II */
vector<vector<int>> subsetSumII(vector<int> &nums, int target) {
    vector<int> state;              // 状态(子集)
    sort(nums.begin(), nums.end()); // 对 nums 进行排序
    int start = 0;                  // 遍历起始点
    vector<vector<int>> res;        // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_ii.java
/* 回溯算法:子集和 II */
void backtrack(List<Integer> state, int target, int[] choices, int start, List<List<Integer>> res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.add(new ArrayList<>(state));
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (int i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] == choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.add(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.remove(state.size() - 1);
    }
}

/* 求解子集和 II */
List<List<Integer>> subsetSumII(int[] nums, int target) {
    List<Integer> state = new ArrayList<>(); // 状态(子集)
    Arrays.sort(nums); // 对 nums 进行排序
    int start = 0; // 遍历起始点
    List<List<Integer>> res = new ArrayList<>(); // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_ii.cs
/* 回溯算法:子集和 II */
void Backtrack(List<int> state, int target, int[] choices, int start, List<List<int>> res) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.Add(new List<int>(state));
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (int i = start; i < choices.Length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] == choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.Add(choices[i]);
        // 进行下一轮选择
        Backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.RemoveAt(state.Count - 1);
    }
}

/* 求解子集和 II */
List<List<int>> SubsetSumII(int[] nums, int target) {
    List<int> state = []; // 状态(子集)
    Array.Sort(nums); // 对 nums 进行排序
    int start = 0; // 遍历起始点
    List<List<int>> res = []; // 结果列表(子集列表)
    Backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_ii.go
/* 回溯算法:子集和 II */
func backtrackSubsetSumII(start, target int, state, choices *[]int, res *[][]int) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        newState := append([]int{}, *state...)
        *res = append(*res, newState)
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for i := start; i < len(*choices); i++ {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target-(*choices)[i] < 0 {
            break
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if i > start && (*choices)[i] == (*choices)[i-1] {
            continue
        }
        // 尝试:做出选择,更新 target, start
        *state = append(*state, (*choices)[i])
        // 进行下一轮选择
        backtrackSubsetSumII(i+1, target-(*choices)[i], state, choices, res)
        // 回退:撤销选择,恢复到之前的状态
        *state = (*state)[:len(*state)-1]
    }
}

/* 求解子集和 II */
func subsetSumII(nums []int, target int) [][]int {
    state := make([]int, 0) // 状态(子集)
    sort.Ints(nums)         // 对 nums 进行排序
    start := 0              // 遍历起始点
    res := make([][]int, 0) // 结果列表(子集列表)
    backtrackSubsetSumII(start, target, &state, &nums, &res)
    return res
}
subset_sum_ii.swift
/* 回溯算法:子集和 II */
func backtrack(state: inout [Int], target: Int, choices: [Int], start: Int, res: inout [[Int]]) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        res.append(state)
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for i in choices.indices.dropFirst(start) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0 {
            break
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if i > start, choices[i] == choices[i - 1] {
            continue
        }
        // 尝试:做出选择,更新 target, start
        state.append(choices[i])
        // 进行下一轮选择
        backtrack(state: &state, target: target - choices[i], choices: choices, start: i + 1, res: &res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeLast()
    }
}

/* 求解子集和 II */
func subsetSumII(nums: [Int], target: Int) -> [[Int]] {
    var state: [Int] = [] // 状态(子集)
    let nums = nums.sorted() // 对 nums 进行排序
    let start = 0 // 遍历起始点
    var res: [[Int]] = [] // 结果列表(子集列表)
    backtrack(state: &state, target: target, choices: nums, start: start, res: &res)
    return res
}
subset_sum_ii.js
/* 回溯算法:子集和 II */
function backtrack(state, target, choices, start, res) {
    // 子集和等于 target 时,记录解
    if (target === 0) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (let i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] === choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 II */
function subsetSumII(nums, target) {
    const state = []; // 状态(子集)
    nums.sort((a, b) => a - b); // 对 nums 进行排序
    const start = 0; // 遍历起始点
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_ii.ts
/* 回溯算法:子集和 II */
function backtrack(
    state: number[],
    target: number,
    choices: number[],
    start: number,
    res: number[][]
): void {
    // 子集和等于 target 时,记录解
    if (target === 0) {
        res.push([...state]);
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (let i = start; i < choices.length; i++) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] === choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 II */
function subsetSumII(nums: number[], target: number): number[][] {
    const state = []; // 状态(子集)
    nums.sort((a, b) => a - b); // 对 nums 进行排序
    const start = 0; // 遍历起始点
    const res = []; // 结果列表(子集列表)
    backtrack(state, target, nums, start, res);
    return res;
}
subset_sum_ii.dart
/* 回溯算法:子集和 II */
void backtrack(
  List<int> state,
  int target,
  List<int> choices,
  int start,
  List<List<int>> res,
) {
  // 子集和等于 target 时,记录解
  if (target == 0) {
    res.add(List.from(state));
    return;
  }
  // 遍历所有选择
  // 剪枝二:从 start 开始遍历,避免生成重复子集
  // 剪枝三:从 start 开始遍历,避免重复选择同一元素
  for (int i = start; i < choices.length; i++) {
    // 剪枝一:若子集和超过 target ,则直接结束循环
    // 这是因为数组已排序,后边元素更大,子集和一定超过 target
    if (target - choices[i] < 0) {
      break;
    }
    // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
    if (i > start && choices[i] == choices[i - 1]) {
      continue;
    }
    // 尝试:做出选择,更新 target, start
    state.add(choices[i]);
    // 进行下一轮选择
    backtrack(state, target - choices[i], choices, i + 1, res);
    // 回退:撤销选择,恢复到之前的状态
    state.removeLast();
  }
}

/* 求解子集和 II */
List<List<int>> subsetSumII(List<int> nums, int target) {
  List<int> state = []; // 状态(子集)
  nums.sort(); // 对 nums 进行排序
  int start = 0; // 遍历起始点
  List<List<int>> res = []; // 结果列表(子集列表)
  backtrack(state, target, nums, start, res);
  return res;
}
subset_sum_ii.rs
/* 回溯算法:子集和 II */
fn backtrack(
    state: &mut Vec<i32>,
    target: i32,
    choices: &[i32],
    start: usize,
    res: &mut Vec<Vec<i32>>,
) {
    // 子集和等于 target 时,记录解
    if target == 0 {
        res.push(state.clone());
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for i in start..choices.len() {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if target - choices[i] < 0 {
            break;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if i > start && choices[i] == choices[i - 1] {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state.push(choices[i]);
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res);
        // 回退:撤销选择,恢复到之前的状态
        state.pop();
    }
}

/* 求解子集和 II */
fn subset_sum_ii(nums: &mut [i32], target: i32) -> Vec<Vec<i32>> {
    let mut state = Vec::new(); // 状态(子集)
    nums.sort(); // 对 nums 进行排序
    let start = 0; // 遍历起始点
    let mut res = Vec::new(); // 结果列表(子集列表)
    backtrack(&mut state, target, nums, start, &mut res);
    res
}
subset_sum_ii.c
/* 回溯算法:子集和 II */
void backtrack(int target, int *choices, int choicesSize, int start) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        for (int i = 0; i < stateSize; i++) {
            res[resSize][i] = state[i];
        }
        resColSizes[resSize++] = stateSize;
        return;
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (int i = start; i < choicesSize; i++) {
        // 剪枝一:若子集和超过 target ,则直接跳过
        if (target - choices[i] < 0) {
            continue;
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] == choices[i - 1]) {
            continue;
        }
        // 尝试:做出选择,更新 target, start
        state[stateSize] = choices[i];
        stateSize++;
        // 进行下一轮选择
        backtrack(target - choices[i], choices, choicesSize, i + 1);
        // 回退:撤销选择,恢复到之前的状态
        stateSize--;
    }
}

/* 求解子集和 II */
void subsetSumII(int *nums, int numsSize, int target) {
    // 对 nums 进行排序
    qsort(nums, numsSize, sizeof(int), cmp);
    // 开始回溯
    backtrack(target, nums, numsSize, 0);
}
subset_sum_ii.kt
/* 回溯算法:子集和 II */
fun backtrack(
    state: MutableList<Int>,
    target: Int,
    choices: IntArray,
    start: Int,
    res: MutableList<MutableList<Int>?>
) {
    // 子集和等于 target 时,记录解
    if (target == 0) {
        res.add(state.toMutableList())
        return
    }
    // 遍历所有选择
    // 剪枝二:从 start 开始遍历,避免生成重复子集
    // 剪枝三:从 start 开始遍历,避免重复选择同一元素
    for (i in start..<choices.size) {
        // 剪枝一:若子集和超过 target ,则直接结束循环
        // 这是因为数组已排序,后边元素更大,子集和一定超过 target
        if (target - choices[i] < 0) {
            break
        }
        // 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
        if (i > start && choices[i] == choices[i - 1]) {
            continue
        }
        // 尝试:做出选择,更新 target, start
        state.add(choices[i])
        // 进行下一轮选择
        backtrack(state, target - choices[i], choices, i + 1, res)
        // 回退:撤销选择,恢复到之前的状态
        state.removeAt(state.size - 1)
    }
}

/* 求解子集和 II */
fun subsetSumII(nums: IntArray, target: Int): MutableList<MutableList<Int>?> {
    val state = mutableListOf<Int>() // 状态(子集)
    nums.sort() // 对 nums 进行排序
    val start = 0 // 遍历起始点
    val res = mutableListOf<MutableList<Int>?>() // 结果列表(子集列表)
    backtrack(state, target, nums, start, res)
    return res
}
subset_sum_ii.rb
### 回溯算法:子集和 II ###
def backtrack(state, target, choices, start, res)
  # 子集和等于 target 时,记录解
  if target.zero?
    res << state.dup
    return
  end

  # 遍历所有选择
  # 剪枝二:从 start 开始遍历,避免生成重复子集
  # 剪枝三:从 start 开始遍历,避免重复选择同一元素
  for i in start...choices.length
    # 剪枝一:若子集和超过 target ,则直接结束循环
    # 这是因为数组已排序,后边元素更大,子集和一定超过 target
    break if target - choices[i] < 0
    # 剪枝四:如果该元素与左边元素相等,说明该搜索分支重复,直接跳过
    next if i > start && choices[i] == choices[i - 1]
    # 尝试:做出选择,更新 target, start
    state << choices[i]
    # 进行下一轮选择
    backtrack(state, target - choices[i], choices, i + 1, res)
    # 回退:撤销选择,恢复到之前的状态
    state.pop
  end
end

### 求解子集和 II ###
def subset_sum_ii(nums, target)
  state = [] # 状态(子集)
  nums.sort! # 对 nums 进行排序
  start = 0 # 遍历起始点
  res = [] # 结果列表(子集列表)
  backtrack(state, target, nums, start, res)
  res
end
可视化运行

图 13-14 展示了数组 \([4, 4, 5]\) 和目标元素 \(9\) 的回溯过程,共包含四种剪枝操作。请你将图示与代码注释相结合,理解整个搜索过程,以及每种剪枝操作是如何工作的。

图 13-14   子集和 II 回溯过程

图解 13-14:子集和 II 的四种剪枝

对有序数组 [4, 4, 5] 搜索和为 9 的子集,综合四种剪枝条件后只保留唯一解 [4, 5]。

输入数组为 choices = [4, 4, 5],索引依次为 0、1、2。下文以“第一个 4”和“第二个 4”区分索引 0 与 1;原图在第二个 4 上加帽,两者数值都为 4。数组已排序,目标 target = 9;圆圈内的数字表示剩余目标余额。

每个索引最多用一次,子集不区分顺序。选中索引 i 后,下一轮从 start = i + 1 开始,同时实现两项规则:既不回头选更早索引(剪枝二),也不重用当前索引(剪枝三)。

根处尝试第二个 4 时,i = 1 大于 start = 0,且它与前一个候选相等,触发同轮去重(剪枝四)。进入 [第一个 4] 后,新的调用 start = 1;此时第二个 4 的 i = 1 等于 start,不满足 i > start,所以仍可选。选入后余额为 1,向后只剩 5,超过余额,按剪枝一直接 break。

下表“四种剪枝的含义”对应图中的四类剪刀,下一表逐项列出前缀和候选。被剪分支都不会递归进入。其中剪枝二、三由 start = i + 1 直接跳过,代码不会逐项进入循环尝试这些候选,图中画出它们供对照;在 [第一个 4, 第二个 4] 下再选第一个 4,图中标为回到更早索引(剪枝二),而该 4 的索引 0 同时也已在路径中。

四种剪枝的含义
图例排除情形
剪枝一(红)选入后元素和超过9,即剩余 target 为负
剪枝二(蓝)回到较早索引,产生不同顺序的重复组合
剪枝三(紫)再次使用刚选中的当前数组索引
剪枝四(青)同一轮再次尝试数值相同的候选
图中各前缀的候选与处置
前缀与图示候选考虑该候选前的余额结果或剪枝原因
[]:候选 第一个 49保留,余额 5
[]:候选 第二个 49同轮重复值,剪枝四
[]:候选 59保留,余额 4
[第一个 4]:候选 第一个 45重用当前索引,剪枝三
[第一个 4]:候选 第二个 45不同索引,可选,余额 1
[第一个 4]:候选 55余额 0,记录 [4, 5]
[第一个 4, 第二个 4]:候选 第一个 41回到更早索引,图示剪枝二
[第一个 4, 第二个 4]:候选 第二个 41重用当前索引,剪枝三
[第一个 4, 第二个 4]:候选 51超过余额,剪枝一
[5]:候选 第一个 4、第二个 44回到更早索引,剪枝二
[5]:候选 54重用当前索引,剪枝三

唯一余额归零的路径先选第一个 4,再选 5,得到 [4, 5]。

欢迎在评论区留下你的见解、问题或建议