在算法学习中，N 皇后问题是回溯算法的经典案例之一，它不仅考察对回溯思想的理解，更能锻炼我们对问题约束条件的转化能力。今天我们就来拆解 LeetCode 52 题------N 皇后 II，重点分析如何用回溯算法高效统计所有合法的放置方案数量，同时理解代码背后的逻辑设计。
一、问题回顾：N 皇后 II 的核心需求
N 皇后问题的核心规则很简单：将 n 个皇后放置在 n×n 的棋盘上，要求任意两个皇后不能相互攻击。皇后的攻击范围是：同一行、同一列、同一主对角线（从左上到右下）、同一副对角线（从右上到左下）。
与 N 皇后 I 不同，本题不需要返回具体的棋盘放置方案，只需要返回不同解决方案的数量，这意味着我们可以在回溯过程中直接统计有效方案，无需记录具体布局，一定程度上可以简化逻辑（但核心回溯思路不变）。
二、核心思路：回溯 + 约束剪枝
解决 N 皇后问题的核心思路是「回溯法」，本质是一种"试错"思想：从第一行开始，逐行放置皇后，每放置一个皇后，就记录它的约束条件（所在列、两条对角线），后续放置时避开这些约束，若走到最后一行（所有皇后都放置完毕），则计数加 1；若某一行无法放置皇后，则回溯到上一行，调整皇后的位置，继续尝试。
关键在于如何高效记录约束条件，避免重复判断：
-
同一列：皇后不能在同一列，因此用一个集合记录已经使用过的列索引。
-
主对角线（左上→右下）：观察发现，同一主对角线上的皇后，其「行号 - 列号」的值是固定的（例如 (0,0)、(1,1)、(2,2)，行-列=0），因此用一个集合记录已使用的「行-列」值。
-
副对角线（右上→左下）：同一副对角线上的皇后，其「行号 + 列号」的值是固定的（例如 (0,2)、(1,1)、(2,0)，行+列=2），因此用另一个集合记录已使用的「行+列」值。
通过这三个集合，我们可以在 O(1) 时间内判断当前位置是否可以放置皇后，实现高效剪枝，避免无效的尝试，提升算法效率。
三、代码逐行解析
先给出完整代码，再逐部分拆解，让大家清晰理解每一步的作用：
typescript
function totalNQueens(n: number): number {
const columns = new Set(); // 记录已使用的列
const diagonals1 = new Set(); // 记录已使用的主对角线（行-列）
const diagonals2 = new Set(); // 记录已使用的副对角线（行+列）
function backtrack(row: number): number {
// 终止条件：当行号等于n时，说明所有皇后都放置完毕，返回1个有效方案
if (row === n) {
return 1;
} else {
let count = 0; // 记录当前行开始的有效方案数
// 遍历当前行的每一列，尝试放置皇后
for (let i = 0; i < n; i++) {
// 剪枝：如果当前列、主对角线、副对角线已被使用，跳过当前位置
if (columns.has(i) || diagonals1.has(row - i) || diagonals2.has(row + i)) {
continue;
}
// 选择：放置皇后，记录约束条件
columns.add(i);
diagonals1.add(row - i);
diagonals2.add(row + i);
// 递归：继续处理下一行
count += backtrack(row + 1);
// 回溯：撤销选择，清除当前皇后的约束，尝试下一个位置
columns.delete(i);
diagonals1.delete(row - i);
diagonals2.delete(row + i);
}
// 返回当前行开始的有效方案总数
return count;
}
}
// 从第0行开始回溯，返回最终的方案数
return backtrack(0);
};1. 初始化约束集合
我们定义了三个 Set 集合，分别用于记录已使用的列、主对角线、副对角线：
-
columns：存储已放置皇后的列索引，比如 columns.has(2) 表示第 2 列已经有皇后，不能再放置。
-
diagonals1：存储已使用的主对角线标识（行-列），比如某皇后在 (2,1)，则 row - i = 1，后续所有 (row - i = 1) 的位置都不能放置。
-
diagonals2：存储已使用的副对角线标识（行+列），比如某皇后在 (2,1)，则 row + i = 3，后续所有 (row + i = 3) 的位置都不能放置。
2. 回溯函数 backtrack(row)
回溯函数的参数 row 表示当前要处理的行，核心作用是：尝试在当前行的每一列放置皇后，统计从当前行开始的有效方案数。
-
终止条件：当 row === n 时，说明我们已经成功将 n 个皇后放置在 n 行上（每一行一个），此时返回 1，表示找到一个有效方案。
-
循环遍历：遍历当前行的每一列（i 从 0 到 n-1），判断当前位置 (row, i) 是否可以放置皇后。
-
剪枝操作：如果当前列 i 已被使用，或者当前位置所在的主对角线、副对角线已被使用，直接跳过该列（避免无效尝试）。
-
选择与递归：如果当前位置可用，就"选择"放置皇后，将对应的列、对角线标识加入集合，然后递归处理下一行（row + 1），并将递归返回的结果累加到 count 中（统计有效方案数）。
-
回溯操作：递归返回后，需要"撤销选择"，将之前加入集合的列、对角线标识删除，这样才能尝试当前行的下一个列，实现回溯的"回退"效果。
3. 初始调用与返回结果
我们从第 0 行开始调用回溯函数（backtrack(0)），最终返回的就是所有有效方案的总数，也就是题目要求的结果。
四、算法复杂度分析
理解算法复杂度，能帮助我们更好地掌握其适用场景：
-
时间复杂度：O(n!)。最坏情况下，我们需要尝试每一行的所有可能列，第一行有 n 种选择，第二行有 n-2 种选择（排除当前列和两条对角线），第三行有 n-4 种选择，以此类推，整体接近 n! 的时间复杂度。但由于剪枝操作，实际运行时间会远小于 n!。
-
空间复杂度：O(n)。主要消耗在三个约束集合和递归栈上，集合的大小最多为 n（每个集合最多存储 n 个元素），递归栈的深度也为 n（从第 0 行到第 n-1 行），因此空间复杂度为 O(n)。
五、关键总结与优化思路
1. 核心要点
本题的核心是「回溯 + 剪枝」，其中剪枝的关键是用三个集合快速判断约束条件，避免无效尝试。相比于 N 皇后 I，本题不需要记录具体棋盘，因此代码更简洁，重点聚焦于"计数"。
2. 优化方向（可选）
如果想进一步优化空间，可以用位运算替代 Set 集合（适用于 n 较小的场景，比如 n ≤ 32）。因为 Set 集合的核心作用是"判断是否存在"，而位运算可以用二进制位来表示约束条件，效率更高，空间消耗也更小。
例如，用三个整数 columns、diagonals1、diagonals2 分别表示列、主对角线、副对角线的使用情况，某一位为 1 表示该位置已被使用，0 表示未使用，通过位运算（与、或、异或）来判断和更新约束条件。
六、总结
N 皇后 II 是回溯算法的典型应用，核心在于理解"约束条件的转化"和"回溯的回退逻辑"。通过用集合记录列和对角线的使用情况，我们实现了高效剪枝，避免了无效尝试，让算法能够快速统计出所有有效方案的数量。
对于初学者来说，重点要掌握「选择-递归-回溯」的三步流程，以及如何将实际问题中的约束条件（如皇后不能相互攻击）转化为可代码化的判断逻辑（如用集合记录约束）。掌握了这道题，再去解决 N 皇后 I 或者其他回溯类问题，都会更加轻松。