回溯算法框架

从整体到细节，自顶向下，从抽象到具体的框架思维是通用的，不只是学习数据结构和算法，学习其他任何知识都是高效的。

# 回溯算法的要素

回溯算法跟动态规划算法有些类似，动态规划里强调的是状态，选择和 base case，而回溯法里强调的是路径，选择列表和结束条件。

解决一个回溯问题，其实就是一个决策树的遍历过程，只需考虑以下三个问题：

• 路径：也就是已经做出的选择
• 选择列表：即当下可以做的选择
• 结束条件：到达决策树底层，无法再做选择的条件

# 回溯算法框架

result = []
def backtrace(选择列表, 路径):
    if 满足结束条件:
        result.add(路径)
        return
    
    for 选择 in 选择列表:
        做选择
        backtrace(选择列表，路径)
        撤销选择

其核心就是 for 循环里的递归，在递归前做选择，递归后撤销选择。

# 应用例子

全排列、八皇后问题都是很经典的回溯问题，此外，当遇到二维数组、网格移动等问题也可以考虑使用回溯法。