当前位置: 首页 > news >正文

46. 全排列

文章目录

  • 46. 全排列
  • 思路
  • 回溯三部曲
  • 总结

46. 全排列

46. 全排列

给定一个不含重复数字的数组 nums ,返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。

示例 1:

输入:nums = [1,2,3]
输出:[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]

示例 2:

输入:nums = [0,1]
输出:[[0,1],[1,0]]

示例 3:

输入:nums = [1]
输出:[[1]]

提示:

  • 1 <= nums.length <= 6
  • -10 <= nums[i] <= 10
  • nums 中的所有整数 互不相同

思路

此时我们已经学习了77.组合问题、 131.分割回文串 和78.子集问题,接下来看一看排列问题。

相信这个排列问题就算是让你用for循环暴力把结果搜索出来,这个暴力也不是很好写。

所以正如我们之前所讲的为什么回溯法是暴力搜索,效率这么低,还要用它?

因为一些问题能暴力搜出来就已经很不错了!

我以[1,2,3]为例,抽象成树形结构如下:

在这里插入图片描述

回溯三部曲

1.递归函数参数
首先排列是有序的,也就是说 [1,2][2,1] 是两个集合,这和之前分析的子集以及组合所不同的地方。

可以看出元素1[1,2]中已经使用过了,但是在[2,1]中还要在使用一次1,所以处理排列问题就不用使用startIndex了。

但排列问题需要一个used切片,标记已经选择的元素,如图橘黄色部分所示:

在这里插入图片描述
代码如下:

func backtracking(nums []int,res *[][]int,path *[]int,used []bool) {}

2.递归终止条件
在这里插入图片描述

可以看出叶子节点,就是收割结果的地方。

那么什么时候,算是到达叶子节点呢?

当收集元素的切片path的大小达到和nums切片一样大的时候,说明找到了一个全排列,也表示到达了叶子节点。

代码如下:

// 此时说明找到了一组
if len(*path) == len(nums) {*res = append(*res,append([]int(nil),*path...))return 
}

3.单层搜索的逻辑
这里和77.组合问题、 131.分割回文串 以及78.子集最大的不同就是for循环里不用startIndex了。

因为排列问题,每次都要从头开始搜索,例如元素1[1,2]中已经使用过了,但是在[2,1]中还要再使用一次1

used切片,其实就是记录此时path里都有哪些元素使用了,·一个排列里一个元素只能使用一次·。

代码如下:

// 每一层都可以从头开始选
for i := 0;i < len(nums);i++ {// 用used控制数字不重复选, path里已经收录的元素,直接跳过if used[i]{continue}*path = append(*path,nums[i])used[i] = truebacktracking(nums,res,path,used)*path = (*path)[0:len(*path) - 1]used[i] = false
}

整体Go代码如下:

func permute(nums []int) [][]int {if len(nums) == 0 {return nil}res := make([][]int,0)path := make([]int,0)used := make([]bool,len(nums))backtracking(nums,&res,&path,used)return res
}func backtracking(nums []int,res *[][]int,path *[]int,used []bool) {if len(*path) == len(nums) {*res = append(*res,append([]int(nil),*path...))return }// 每一层都可以从头开始选for i := 0;i < len(nums);i++ {// 用used控制数字不重复选if used[i]{continue}*path = append(*path,nums[i])used[i] = truebacktracking(nums,res,path,used)*path = (*path)[0:len(*path) - 1]used[i] = false}
}

在这里插入图片描述

时间复杂度: O ( n ! ) O(n!) O(n!),第一层循环 n n n次,第二层 n − 1 n-1 n1次…
空间复杂度: O ( n ) O(n) O(n)

总结

大家此时可以感受出排列问题的不同:

  • 每层都是从0开始搜索而不是startIndex
  • 需要used数组记录path里都放了哪些元素了
  • 排列问题是回溯算法解决的经典题目,大家可以好好体会体会。

http://www.mrgr.cn/news/41591.html

相关文章:

  • 边缘自适应粒子滤波(Edge-Adaptive Particle Filter)的MATLAB函数示例,以及相应的讲解
  • C语言 | Leetcode C语言题解之第453题最小操作次数使数组元素相等
  • BBED标记坏块以及修复坏块
  • RabbitMQ 优点和缺点
  • netty之Netty与SpringBoot整合
  • PCL 点云直通滤波
  • Python | Leetcode Python题解之第452题用最少数量的箭引爆气球
  • 【理论科学与实践技术】数学与经济管理中的学科与实用算法
  • 谷歌最新发布:185个AI应用案例深度解析
  • Qt 概述
  • Spring Boot+VUE《班级综合测评管理系统》
  • 【漏洞复现】大华智慧园区综合管理平台 video 任意文件上传漏洞
  • 【CSDN语法】
  • 全网最适合入门的面向对象编程教程:55 Python字符串与序列化-字节序列类型和可变字节字符串
  • C++ | Leetcode C++题解之第452题用最少数量的箭引爆气球
  • PCL 点云高斯滤波
  • C++11 异步操作 std::future类
  • springboot cache
  • 匿名方法与Lambda表达式+泛型委托
  • 计算机毕业设计Python+Spark知识图谱酒店推荐系统 酒店价格预测系统 酒店可视化 酒店爬虫 酒店大数据 neo4j知识图谱 深度学习 机器学习