C++子集和问题

无重复元素的情况

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。
• 子集是不区分元素顺序的，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.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;
}

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 $4$ 是两个不同的分支，但两者对应同一个子集。

图 13-10   子集搜索与越界剪枝

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 1. 中生成的子集完全重复。

在搜索中，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. 和 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

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 $i_1\le i_2\le \cdots \le i_m$ ，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 $i_1\le i_2\le \cdots \le i_m$ ，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，其子集和都一定会超过 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.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;
  }

如图 13-12 所示，为将数组 $[3,4,5]$ 和目标元素 $9$ 输入到以上代码后的整体回溯过程。

图 13-12   子集和 I 回溯过程

考虑重复元素的情况

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

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，本题规定中的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。这样即能去除重复子集，也能避免重复选择元素。

2.   代码实现

subset_sum_ii.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;
}

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