当前:LC78 · 子集 · 首次出现于 Day 26 · 路径:顶栏「56天打卡」→ 点击 LC 题号 → 逐题动画

LC78算法模式回溯 · 子集选择树与撤销绳

子集

nums=[1,2,3],返回所有子集。

题目是什么

nums=[1,2,3],返回所有子集。

解决什么问题

当前路径、可选范围和终止条件分别是什么?

核心结论

选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。

01交互算法精讲

先说结论:这道题到底解决什么

怎样从“nums=[1,2,3],返回所有子集。”推导出 回溯 · 子集,并证明每次状态变化都不会漏掉答案?

中心结论:选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。

读完必须能回答
  1. 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
  2. 2.当前路径、可选范围和终止条件分别是什么?
  3. 3.不变量“每个元素恰好在某条路径上被决定选或不选一次。”为什么能保证算法安全前进?
02交互算法精讲

完整题目与题意拆解

给定一组不含重复元素的整数数组 nums,返回该数组所有可能的子集(幂集)。说明:解集不能包含重复的子集。

在本站主例中,nums=[1,2,3],返回所有子集。

算法最终需要得到或观察:8 个子集含空集。

把题目翻译成状态
  • 输入:nums=[1,2,3],返回所有子集。
  • 机器需要维护:index、path、res、决策树节点。
  • 最终可观察结果:8 个子集含空集。
动画 1 · 题意扫描

先看清算法到底要维护什么

先建立输入、目标、输出和第一批状态,不急着进入模板。

Step 1/20%
题目与输入建立输入、目标与算法心智

每个结点选择「要/不要」当前元素

正在加载算法场景...
03交互算法精讲

第一层方案:暴力做法

先生成全部结果再过滤会探索大量无效分支;回溯在选择阶段剪枝,并在返回时恢复现场。

暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。

动画 2 · 暴力重复

重复工作究竟发生在哪里

把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。

Step 1/20%
先做对:建立暴力基线枚举所有候选并完整验证

每个结点选择「要/不要」当前元素

正在加载算法场景...
优化方向:选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。
04交互算法精讲

整体地图:先做什么,再做什么

  1. 1建模把输入翻译成“选择树与撤销绳”,明确答案需要观察什么。
  2. 2状态只维护 index、path、res、决策树节点。
  3. 3转移每一步按照 选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。
  4. 4收尾读取 8 个子集含空集。,并复核边界与复杂度。
05交互算法精讲

选择树与撤销绳:核心概念

路径记录已做选择,候选集合决定下一步,撤销保证兄弟分支互不污染。

这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:index、path、res、决策树节点。

核心不变量
  • 每个元素恰好在某条路径上被决定选或不选一次。
  • res.push 必须复制 path;take 后必须 pop。
动画 3 · 核心概念

建立“选择树与撤销绳”心智模型

用主例建立核心状态,先预测下一步,再公开正确分支和理由。

Step 1/30%
题目与输入建立输入、目标与算法心智

每个结点选择「要/不要」当前元素

正在加载算法场景...
06交互算法精讲

核心机制:状态如何一步步变化

找出一个集合中的所有子集,空集也算是子集。且数组中的数字不会出现重复。用 DFS 暴力枚举即可。 这一题和第 90 题,第 491 题类似,可以一起解答和复习。

选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。

执行过程中持续维护:index、path、res、决策树节点。

正确性依赖以下不变量:每个元素恰好在某条路径上被决定选或不选一次。;res.push 必须复制 path;take 后必须 pop。

面试时可以压缩为:选/不选 dfs:先 skip 再 take+pop;共 2^n 条路径;时间 O(n·2^n)。

落到当前题,执行机制可以压缩为:选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。

动画 4 · 机制构建

一次状态转移为什么成立

集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。

Step 1/50%
收集子集 []result.push(path)

start=0,快照当前 path

正在加载算法场景...
07交互算法精讲

正确性证明:为什么不会漏答案

初始化

初始化:算法开始时,全部合法候选仍在状态表示范围内;每个元素恰好在某条路径上被决定选或不选一次。

保持

保持:执行“选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。”时,只删除已经能证明不可能的候选,并把新信息写回 index、path、res、决策树节点。

终止

终止:没有待处理状态或达到命中条件时,当前可观察结果就是“8 个子集含空集。”。

正确性抓手不是“样例跑通”,而是每一帧结束后仍能复述:每个元素恰好在某条路径上被决定选或不选一次。;res.push 必须复制 path;take 后必须 pop。
08交互算法精讲

完整执行过程

  1. 1题目与输入nums=[1,2,3],返回所有子集。 因为:选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。
  2. 2收集子集 []每个递归入口都对应一个子集。 因为:不跳过任何中间状态。
  3. 3预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
  4. 4选择 nums[1]=2做选择,深入。 因为:start=i+1 避免重复组合。
  5. 5选择 nums[2]=3做选择,深入。 因为:start=i+1 避免重复组合。
  6. 6撤销 3,回到上一层恢复状态,尝试不选分支。 因为:回溯必须撤销选择。
  7. 7选择 nums[2]=3做选择,深入。 因为:start=i+1 避免重复组合。
  8. 8收尾与复杂度8 个子集含空集。 因为:时间 O(n · 2^n) · 空间 O(n)。选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。
动画 5 · 完整执行

从输入完整走到可观察结果

从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。

Step 1/80%
题目与输入建立输入、目标与算法心智

每个结点选择「要/不要」当前元素

正在加载算法场景...
09交互算法精讲

把动画和 Go 代码逐行对应

代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。

动画 6 · 代码映射

让每个动作都落到 Go 分支

重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。

Step 1/60%
start 索引 + 当前 pathbacktrack(start)

每个结点选择「要/不要」当前元素

正在加载算法场景...
10交互算法精讲

完整 Go 提交代码与最小测试

完整 Go 解法
import "sort"

// 解法一
func subsets(nums []int) [][]int {
	c, res := []int{}, [][]int{}
	for k := 0; k <= len(nums); k++ {
		generateSubsets(nums, k, 0, c, &res)
	}
	return res
}

func generateSubsets(nums []int, k, start int, c []int, res *[][]int) {
	if len(c) == k {
		b := make([]int, len(c))
		copy(b, c)
		*res = append(*res, b)
		return
	}
	// i will at most be n - (k - c.size()) + 1
	for i := start; i < len(nums)-(k-len(c))+1; i++ {
		c = append(c, nums[i])
		generateSubsets(nums, k, i+1, c, res)
		c = c[:len(c)-1]
	}
	return
}

// 解法二
func subsets1(nums []int) [][]int {
	res := make([][]int, 1)
	sort.Ints(nums)
	for i := range nums {
		for _, org := range res {
			clone := make([]int, len(org), len(org)+1)
			copy(clone, org)
			clone = append(clone, nums[i])
			res = append(res, clone)
		}
	}
	return res
}

// 解法三:位运算的方法
func subsets2(nums []int) [][]int {
	if len(nums) == 0 {
		return nil
	}
	res := [][]int{}
	sum := 1 << uint(len(nums))
	for i := 0; i < sum; i++ {
		stack := []int{}
		tmp := i                              // i 从 000...000 到 111...111
		for j := len(nums) - 1; j >= 0; j-- { // 遍历 i 的每一位
			if tmp&1 == 1 {
				stack = append([]int{nums[j]}, stack...)
			}
			tmp >>= 1
		}
		res = append(res, stack)
	}
	return res
}
最小测试集合
func main() {
    // 1. 主例
    //    输入:mode="subsets", nums=[1,2,3]
    //    期望:8 个子集含空集。
    //
    // 2. 失败 / 未命中
    //    检查:res.push(path) 未复制会污染结果。
    //
    // 3. 边界
    //    空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
    //
    // 4. 迁移
    //    LC90 子集 II;LC77 组合
}

Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。

11交互算法精讲

正确性与复杂度

时间复杂度 O(n · 2^n)

执行过程中只保留仍可能影响答案的状态。选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。

空间复杂度 O(n)

额外状态主要用于维护:index、path、res、决策树节点。

终局不变量
  • 每个元素恰好在某条路径上被决定选或不选一次。
  • res.push 必须复制 path;take 后必须 pop。
12交互算法精讲

最容易写错的地方

错误 1

res.push(path) 未复制会污染结果。

错误 2

忘记 path.pop 会污染后续分支。

错误 3

与 LC77 混淆:子集要所有长度。

边界复查

必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。

13交互算法精讲

最后复盘:带走逻辑链

  1. 1题意nums=[1,2,3],返回所有子集。
  2. 2重复先生成全部结果再过滤会探索大量无效分支;回溯在选择阶段剪枝,并在返回时恢复现场。
  3. 3优化选/不选回溯:每层 skip 或 take;index===n 收集;必须 path.pop 撤销。
  4. 4证明每个元素恰好在某条路径上被决定选或不选一次。;res.push 必须复制 path;take 后必须 pop。
  5. 5复杂度时间 O(n · 2^n),空间 O(n)
面试表达:选/不选 dfs:先 skip 再 take+pop;共 2^n 条路径;时间 O(n·2^n)。
迁移练习
  • LC90 子集 II
  • LC77 组合