回溯法的核心是回溯。在搜索到某一节点的时候，如果我们发现目前的节点（及其子节点）并不是需求目标时，我们回退到原来的节点继续搜索，并且把在目前节点修改的状态还原。这样的好处是我们可以始终只对图的总状态进行修改，而非每次遍历时新建一个图来储存状态。

在具体的写法上，它与普通的深度优先搜索一样，都有 [修改当前节点状态]→[递归子节
点] 的步骤，只是多了回溯的步骤，变成了 [修改当前节点状态]→[递归子节点]→[回改当前节点
状态]。
 

class Solution {
    public List<List<Integer>> combine(int n, int k) {
      List<List<Integer>> res=new ArrayList<>();
      if(k<=0||n<k){
          return res;
      }
      //从1开始是题目的设定
      //叶子结点的信息体现在从根结点到叶子结点的路径上，因此需要一个表示路径的变量 path
      //它是一个列表，特别地，path 是一个栈；
      Deque<Integer> path=new ArrayDeque<>();
      dfs(n,k,1,path,res);
      return res;
    }

 private void dfs(int n,int k,int begin,Deque<Integer> path, List<List<Integer>>res){
 //递归结束条件：path的长度=k
if(path.size()==k){
    res.add(new ArrayList<>(path));
    return;
}

//遍历可能的搜索起点
for(int i=begin;i<=n;i++){
    //想路径添加一个数
    path.addLast(i);
    //下一轮搜索，设置起点+1，因为组合数里不允许出现重复的元素
    dfs(n,k,i+1,path,res);
    // 重点理解这里：深度优先遍历有回头的过程，因此递归之前做了什么，递归之后需要做相同操作的逆向操作
    path.removeLast();
}
 }

}