子集问题实战总结：DFS 回溯法的解题步骤与代码规范

子集问题实战总结：DFS 回溯法

一、问题定义

给定一个元素互异的集合，找出所有可能的子集（包括空集）。例如：

• 输入：$[1,2,3]$
• 输出：$[], [1], [2], [3], [1,2], [1,3], [2,3], [1,2,3]$

二、DFS回溯法核心思想

1. 状态树遍历：每个元素有"选"与"不选"两种状态
2. 回溯框架：

   def backtrack(start, path):
       添加当前路径到结果集
       for i in range(start, n):
           选择当前元素
           backtrack(i+1, path)  # 递归
           撤销选择（回溯）
   

3. 避免重复：通过 start 参数控制遍历起点

三、解题步骤

1. 初始化：
   • 结果集 res = []
   • 当前路径 path = []
2. DFS函数设计：

   def dfs(start, path):
       res.append(path[:])  # 深拷贝当前路径
       for i in range(start, len(nums)):
           path.append(nums[i])    # 选择当前元素
           dfs(i+1, path)          # 递归下一层
           path.pop()              # 回溯撤销
   

3. 递归终止：当 start 超出数组范围时自动结束
4. 复杂度分析：
   • 时间复杂度：$O(2^n)$（每个元素两种选择）
   • 空间复杂度：$O(n)$（递归栈深度）

四、完整代码实现

def subsets(nums):
    res = []
    
    def dfs(start, path):
        res.append(path[:])  # 关键：复制当前路径
        for i in range(start, len(nums)):
            path.append(nums[i])
            dfs(i+1, path)  # 从下一个位置开始
            path.pop()       # 回溯
    
    dfs(0, [])
    return res

# 测试用例
print(subsets([1,2,3])) 
# 输出：[[],[1],[1,2],[1,2,3],[1,3],[2],[2,3],[3]]

五、关键技巧

1. 深拷贝陷阱：res.append(path[:]) 避免后续修改影响结果
2. 剪枝优化：当元素可能重复时需排序并跳过相同元素

   if i > start and nums[i] == nums[i-1]: 
       continue
   

3. 迭代替代方案：可用位运算（$0$ 到 $2^n-1$ 的二进制表示）

六、变式问题

1. 重复元素：先排序，在递归中跳过重复值
2. 组合求和：添加目标和判断条件
3. 排列问题：移除 start 参数，每次从 $0$ 开始遍历

总结：DFS回溯法是解决子集问题的通用范式，核心在于掌握"选择-递归-撤销"的三步操作框架，注意状态管理和剪枝优化。