前言
前段时间在掘金看到一个热帖 今天又懒得加班了,能写出这两个算法吗?带你去电商公司写商品中心,里面提到了一个比较有意思故事,大意就是一个看似比较简单的电商 sku 的全排列组合算法,但是却有好多人没能顺利写出来。有一个毕业生小伙子在面试的时候给出了思路,但是进去以后还是没写出来,羞愧跑路~
其实排列组合是一个很经典的算法,也是对递归回溯法的一个实践运用,本篇文章就以带你学习一个标准「排列组合求解模板」,耐心看完,你会有更多收获。
需求
需求描述起来很简单,有这样三个数组:
let names = ["iPhone X", "iPhone XS"]
let colors = ["黑色", "白色"]
let storages = ["64g", "256g"]
需要把他们的所有组合穷举出来,最终得到这样一个数组:
[
["iPhone X", "黑色", "64g"],
["iPhone X", "黑色", "256g"],
["iPhone X", "白色", "64g"],
["iPhone X", "白色", "256g"],
["iPhone XS", "黑色", "64g"],
["iPhone XS", "黑色", "256g"],
["iPhone XS", "白色", "64g"],
["iPhone XS", "白色", "256g"],
]
由于这些属性数组是不定项的,所以不能简单的用三重的暴力循环来求解了。
思路
如果我们选用递归回溯法来解决这个问题,那么最重要的问题就是设计我们的递归函数。
思路分解
以上文所举的例子来说,比如我们目前的属性数组就是:names
、colors
、storages
,首先我们会处理 names
数组,很显然对于每个属性数组,都需要去遍历它,然后一个一个选择后再去和 下一个数组的每一项进行组合。
我们设计的递归函数接受两个参数:
index
对应当前正在处理的下标,是names
还是colors
或是storage
。prev
上一次递归已经拼接成的结果,比如['iPhone X', '黑色']
。
进入递归函数:
-
处理属性数组的下标
0
:假设我们在第一次循环中选择了iPhone XS
,那此时我们有一个未完成的结果状态,假设我们叫它prev
,此时prev = ['iPhone XS']
。 -
处理属性数组的下标
1
:那么就处理到colors
数组的了,并且我们拥有prev
,在遍历colors
的时候继续递归的去把prev
拼接成prev.concat(color)
,也就是['iPhone XS', '黑色']
这样继续把这个prev
交给下一次递归。 -
处理属性数组的下标
2
:那么就处理到storages
数组的了,并且我们拥有了name + color
的prev
,在遍历storages
的时候继续递归的去把prev
拼接成prev.concat(storage)
,也就是['iPhone XS', '黑色', '64g']
,并且此时我们发现处理的属性数组下标已经到达了末尾,那么就放入全局的结果变量res
中,作为一个结果。
编码实现
let names = ["iPhone X", "iPhone XS"]
let colors = ["黑色", "白色"]
let storages = ["64g", "256g"]
let combine = function (...chunks) {
let res = []
let helper = function (chunkIndex, prev) {
let chunk = chunks[chunkIndex]
let isLast = chunkIndex === chunks.length - 1
for (let val of chunk) {
let cur = prev.concat(val)
if (isLast) {
// 如果已经处理到数组的最后一项了 则把拼接的结果放入返回值中
res.push(cur)
} else {
helper(chunkIndex + 1, cur)
}
}
}
// 从属性数组下标为 0 开始处理
// 并且此时的 prev 是个空数组
helper(0, [])
return res
}
console.log(combine(names, colors, storages))
递归树图
画出以 iPhone X
这一项为起点的递归树图,当然这个问题是一个多个根节点的树,请自行脑补 iPhone XS
为起点的树,子结构是一模一样的。
万能模板
为什么说这种接法是排列组合的「万能模板呢」?来看一下 LeetCode 上的真题。
组合-77
77. 组合 这是一道难度为 medium
的问题,其实算是比较有难度的问题了:
问题
给定两个整数 n 和 k,返回 1 ... n 中所有可能的 k 个数的组合。
示例:
输入: n = 4, k = 2
输出:
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
]
解答
let combine = function (n, k) {
let ret = []
let helper = (start, prev) => {
let len = prev.length
if (len === k) {
ret.push(prev)
return
}
for (let i = start; i <= n; i++) {
helper(i + 1, prev.concat(i))
}
}
helper(1, [])
return ret
}
可以看出这题和我们求解电商排列组合的代码竟然如此相似。只需要设计一个接受 start
排列起始位置、prev
上一次拼接结果为参数的递归 helper
函数,
然后对于每一个起点下标 start
,先拼接上 start
位置对应的值,再不断的再以其他剩余的下标作为起点去做下一次拼接。当 prev
这个中间状态的拼接数组到达题目的要求长度 k
后,就放入结果数组中。
优化
在这个解法中,有一些递归分支是明显不可能获取到结果的,我们每次递归都会循环尝试 <= n
的所有项去作为start
,假设我们要求的数组长度 k = 3
,最大值 n = 4
。
而我们以 prev = [1]
,再去以 n = 4
为 start
作为递归的起点,那么显然是不可能得到结果的,因为 n = 4
的话就只剩下 4
这一项可以拼接了,最多也就拼接成 [1, 4]
,不可能满足 k = 3
的条件。
所以在进入递归之前,就果断的把这些“废枝”给减掉。这就叫做「剪枝」
let combine = function (n, k) {
let ret = []
let helper = (start, prev) => {
let len = prev.length
if (len === k) {
ret.push(prev)
return
}
// 还有 rest 个位置待填补
let rest = k - prev.length
for (let i = start; i <= n; i++) {
if (n - i + 1 < rest) {
continue
}
helper(i + 1, prev.concat(i))
}
}
helper(1, [])
return ret
}
相似题型
当然,力扣中可以套用这个模板的相似题型还有很多,而且大多数难度都是 medium
的,比如快手的面试题子集 II-90,可以看出排列组合的递归解法还是有一定的难度的。
总结
排列组合问题并不是空中楼阁,在实际工作中也会经常遇到这种场景,掌握了递归回溯的标准模板当然不是为了让你死记硬背套公式,而是真正的理解它。遇到需要递归解决的问题。
- 画出递归树状图,找出递归公式。
- 对于不可能达成条件的分支递归,进行合理的「剪枝」。
希望阅读完本篇文章的你,能对递归和排列组合问题有进一步的理解和收获。
❤️ 感谢大家
1.如果本文对你有帮助,就点个赞支持下吧,你的「赞」是我创作的动力。
2.关注公众号「前端从进阶到入院」即可加我好友,我拉你进「前端进阶交流群」,大家一起共同交流和进步。