回溯法解决组合问题：以力扣77题为例

1. 组合问题与回溯法基础

组合问题是算法领域中的经典题型，要求从给定的n个不同元素中，任取k个元素为一组，找出所有可能的组合情况。这类问题在力扣（LeetCode）题库中频繁出现，比如编号77的"Combinations"题目就是典型代表。

回溯法（Backtracking）是解决组合问题的利器。它的核心思想是"试探性前进，不满足条件就回退"。想象你正在走迷宫：每到一个岔路口就选择一条路径前进，如果发现是死胡同就退回上一个岔路口尝试其他方向。回溯法的工作方式与此类似：

1. 系统性地构建候选解
2. 发现当前路径不可能得到有效解时立即放弃（剪枝）
3. 回退到上一步继续尝试其他可能性

对于组合问题，回溯法的优势在于它能避免不必要的计算。以从5个元素中选3个为例，暴力枚举需要检查C(5,3)=10种情况，而回溯法通过剪枝可以将无效路径提前终止。

2. 力扣77题"Combinations"题目解析

原题描述：给定两个整数n和k，返回1...n中所有可能的k个数的组合。

示例：
输入：n = 4, k = 2
输出：
[
[1,2],
[1,3],
[1,4],
[2,3],
[2,4],
[3,4]
]

这个问题有几个关键特征需要注意：

• 组合不考虑顺序，[1,2]和[2,1]视为相同
• 数字不重复使用
• 需要返回所有可能的组合，而不仅是数量

理解这些约束条件对设计正确的算法至关重要。在实际面试中，明确问题边界往往是解题的第一步。

3. 回溯算法的实现框架

回溯算法有一个通用的模板结构，掌握这个模板可以解决大多数组合问题。以下是Python实现的框架：

python复制def backtrack(路径, 选择列表):
    if 满足结束条件:
        结果.append(路径)
        return
    
    for 选择 in 选择列表:
        做选择
        backtrack(新的路径, 新的选择列表)
        撤销选择

应用到组合问题中，这个模板具体化为：

python复制def combine(n: int, k: int) -> List[List[int]]:
    res = []
    
    de