我正在编写一个回溯深度优先搜索算法，它有很多答案。
我想要所有这些，但我知道我正在做多余的工作。 （事实上超过k！次，其中k是集的数量）
我有一个列表列表，它们的联合是1到n的数字集合，没有任何重复。
我正在寻找一种方法，看看我之前是否检查了一个组合。
例如：A = [[1,2,4]，[3]]应与B = [[3]，[1,2,4]]
相同数字范围总是小于3 ^ k，其中（k + 1）是数集。
3组的含义，数字范围小于9。 对于4组，数字范围小于27（实际上是17），依此类推。 实际上，如果A_n表示将需要n组的最小数，则对于n> A_n <= 3 * A_（n-1）。 1.（我没有证明这一点，但我很确定）
我想出了一些可怕的解决方案，但我想我会发布它们，看看它们是否给了任何人一个想法。
1：我在每个列表中散列总共k个哈希值，然后做一些数学，（加，乘等）然后散列。或者只是把它放在一个元组本身并散列它。例如：
A = [ [1,2,4], [3] ]
def hashIt(A):
x = [hash(tuple(y)) for y in A]
x.sort()
return hash(tuple(x))
2：如果我的数字少于3 ^ 10，我想我可以创建一个整数n个数字，每个地方都代表它所在的位置。
例： A = [[1,2,4]，[3]]将为0010.因为1位于第0个列表中，2位于第0个列表中，3个位于第1个... B = [[3]，[1,2,4]]将是1101.因为1在第1列表中，2在第1列表中，3在第0列...
然后，我可以将一个数字改为其按时间顺序排列的最小形式，因为将所有的数字与零和0交换为一个，将是一个较小的数字，因此它在时间上也较小。使用10套这样做会非常慢，但仍然比检查每个可能的设置更快。
如果我有三组，A = [[1,2,4,8]，[3,5,6,10]，[7,9]]和B = [[7,9]，[1] ，2,4,8]，[3,5,5,10]]。然后 change_To_Hashable（A）= 0010112021 change_To_Hashable（B）= 1121220102
在这里，我们必须将0与0交换，然后将1与2交换。
但是C = [[1,2,4,9]，[3,5,6]，[7,8,10]] change_To_Hashable（C）= 0010112202
3：当你想检查和存储时对每个列表进行排序，这样搜索就不会太痛苦
4：首先搜索包含1的列表，然后浏览该列表
方法一似乎是最快的，但是一旦我有一个合理的解决方案，我想做一些严肃的数字运算。
感谢您的帮助。