LeetCode----Combination Sum
2015-10-10 17:48
447 查看
Combination Sum
Given a set of candidate numbers (C) and a target number (T), find all unique combinations in C where
the candidate numbers sums to T.
The same repeated number may be chosen from C unlimited number of times.
Note:
All numbers (including target) will be positive integers.
Elements in a combination (a1, a2,
… , ak) must be in non-descending order. (ie, a1 ≤ a2 ≤
… ≤ ak).
The solution set must not contain duplicate combinations.
For example, given candidate set
A solution set is:
分析:
又是一题深度搜索题(回溯题)。难度在剪枝。
刚刚开始我的搜索函数是这样的:
代码:
def dfs(self, candidates, target, knums, solutions):
sum_knums = sum(knums)
if sum_knums == target:
return knums
for i in candidates:
all_sum = sum_knums + i
if all_sum <= target:
res = self.dfs(candidates, target, knums + [i], solutions)
if res:
solutions.append(res)
代码解释:
knums表示当前程序中的解,保存添加进去的元素。
solutions表示最终程序所有合法的解。
搜索中,先判断当前解是否大于target,如果大于则终止判断,该解无效,如果等于target,则为有效解,如果小于target,那么依次往knums中添加元素,再次搜索。
这个函数效率很差,每一次搜索时都会先从candidates数组的第一个元素开始尝试,得到的solutions中有重复的解。比如题目中给的例子,得到的solutions的值是这样子的:[[2, 2, 3], [2, 3, 2], [3, 2, 2], [7]],此时solutions还需要去重才能得到我们最后的答案。
我们发现,如果在向当前解中添加一个元素时,如果能够只添加比当前元素大或者相等的元素,而比当前元素小得元素则不再尝试的话,即可消除重复的解。
修改代码得:
def dfs(self, candidates, target, knums, cur, solutions):
sum_knums = sum(knums)
if sum_knums == target:
solutions.append(knums)
curcandidates = [i for i in candidates if i >= cur]
for i in curcandidates:
all_sum = sum_knums + i
if all_sum <= target:
self.dfs(candidates, target, knums + [i], i, solutions)
由于不再尝试比当前元素更小的元素后,得到的解没有重复的,效率大大提高了。但是,为了到达刚刚的目标,我们引入了列表生成表达式,有没有办法取消掉这个呢?
我们发现,如果每次递归时,不是给定当前的元素值,而是返回当前元素所在的下标时即可取消掉列表生成表达式。
代码:
def dfs(self, candidates, target, start, end, knums, solutions):
sum_knums = sum(knums)
if sum_knums == target:
solutions.append(knums)
i = start
while i <= end:
all_sum = sum_knums + candidates[i]
if all_sum <= target:
self.dfs(candidates, target, i, end, knums + [candidates[i]], solutions)
i += 1
取消掉了列表生成,效率进一步提高,但是,每次递归都会执行sum函数,这个函数的执行需要时间,有没有办法能够取消掉sum函数的执行呢?
上面的代码,我们判断停止的条件是让当前解的总和等于target,如果我们的判断条件修改一下,那么可以做到取消掉sum函数。
代码:
class Solution(object):
def combinationSum(self, candidates, target):
"""
:type candidates: List[int]
:type target: int
:rtype: List[List[int]]
"""
solutions = []
candidates.sort()
self.dfs(candidates, target, 0, len(candidates) - 1, list(), solutions)
return solutions
def dfs(self, candidates, gap, start, end, knums, solutions):
# 在本搜索中去掉了累加
if gap == 0:
solutions.append(knums)
return
i = start
while i <= end:
if gap < candidates[i]:
return
self.dfs(candidates, gap - candidates[i], i, end, knums + [candidates[i]], solutions)
i += 1
上面的代码比前面几个代码行数更小,效率更高。当然,因为给定的candidates数组中的元素并不是升序排列,所以我们需要先给它排序一下。
Given a set of candidate numbers (C) and a target number (T), find all unique combinations in C where
the candidate numbers sums to T.
The same repeated number may be chosen from C unlimited number of times.
Note:
All numbers (including target) will be positive integers.
Elements in a combination (a1, a2,
… , ak) must be in non-descending order. (ie, a1 ≤ a2 ≤
… ≤ ak).
The solution set must not contain duplicate combinations.
For example, given candidate set
2,3,6,7and target
7,
A solution set is:
[7]
[2, 2, 3]
分析:
又是一题深度搜索题(回溯题)。难度在剪枝。
刚刚开始我的搜索函数是这样的:
代码:
def dfs(self, candidates, target, knums, solutions):
sum_knums = sum(knums)
if sum_knums == target:
return knums
for i in candidates:
all_sum = sum_knums + i
if all_sum <= target:
res = self.dfs(candidates, target, knums + [i], solutions)
if res:
solutions.append(res)
代码解释:
knums表示当前程序中的解,保存添加进去的元素。
solutions表示最终程序所有合法的解。
搜索中,先判断当前解是否大于target,如果大于则终止判断,该解无效,如果等于target,则为有效解,如果小于target,那么依次往knums中添加元素,再次搜索。
这个函数效率很差,每一次搜索时都会先从candidates数组的第一个元素开始尝试,得到的solutions中有重复的解。比如题目中给的例子,得到的solutions的值是这样子的:[[2, 2, 3], [2, 3, 2], [3, 2, 2], [7]],此时solutions还需要去重才能得到我们最后的答案。
我们发现,如果在向当前解中添加一个元素时,如果能够只添加比当前元素大或者相等的元素,而比当前元素小得元素则不再尝试的话,即可消除重复的解。
修改代码得:
def dfs(self, candidates, target, knums, cur, solutions):
sum_knums = sum(knums)
if sum_knums == target:
solutions.append(knums)
curcandidates = [i for i in candidates if i >= cur]
for i in curcandidates:
all_sum = sum_knums + i
if all_sum <= target:
self.dfs(candidates, target, knums + [i], i, solutions)
由于不再尝试比当前元素更小的元素后,得到的解没有重复的,效率大大提高了。但是,为了到达刚刚的目标,我们引入了列表生成表达式,有没有办法取消掉这个呢?
我们发现,如果每次递归时,不是给定当前的元素值,而是返回当前元素所在的下标时即可取消掉列表生成表达式。
代码:
def dfs(self, candidates, target, start, end, knums, solutions):
sum_knums = sum(knums)
if sum_knums == target:
solutions.append(knums)
i = start
while i <= end:
all_sum = sum_knums + candidates[i]
if all_sum <= target:
self.dfs(candidates, target, i, end, knums + [candidates[i]], solutions)
i += 1
取消掉了列表生成,效率进一步提高,但是,每次递归都会执行sum函数,这个函数的执行需要时间,有没有办法能够取消掉sum函数的执行呢?
上面的代码,我们判断停止的条件是让当前解的总和等于target,如果我们的判断条件修改一下,那么可以做到取消掉sum函数。
代码:
class Solution(object):
def combinationSum(self, candidates, target):
"""
:type candidates: List[int]
:type target: int
:rtype: List[List[int]]
"""
solutions = []
candidates.sort()
self.dfs(candidates, target, 0, len(candidates) - 1, list(), solutions)
return solutions
def dfs(self, candidates, gap, start, end, knums, solutions):
# 在本搜索中去掉了累加
if gap == 0:
solutions.append(knums)
return
i = start
while i <= end:
if gap < candidates[i]:
return
self.dfs(candidates, gap - candidates[i], i, end, knums + [candidates[i]], solutions)
i += 1
上面的代码比前面几个代码行数更小,效率更高。当然,因为给定的candidates数组中的元素并不是升序排列,所以我们需要先给它排序一下。
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- 搜狗百度360市值齐跌:搜索引擎们陷入集体焦虑?
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- FREEBASIC 编译可被python调用的dll函数示例