leetcode热题——全排列

回溯算法

理论基础

1.概念

回溯法也可以叫做回溯搜索法,它是一种搜索的方式。

回溯是递归的副产品,只要有递归就会有回溯。

回溯法的本质是穷举所有可能,然后筛选出有效的解。因此回溯法的效率并不高,但很多题目只能用回溯法解决。如果想提高回溯的效率,可以添加剪枝策略。

2.应用场景

回溯法的应用场景主要有:

  • 组合问题:N个数里面按一定规则找出k个数的集合
  • 切割问题:一个字符串按一定规则有几种切割方式
  • 子集问题:一个N个数的集合里有多少符合条件的子集
  • 排列问题:N个数按一定规则全排列,有几种排列方式
  • 棋盘问题:N皇后,解数独等等

3.理解回溯

回溯法解决的问题都可以抽象为树形结构。因为回溯法解决的都是在集合中递归查找子集,集合的大小就构成了树的宽度,递归的深度就构成了树的深度。

递归就要有终止条件,所以必然是一棵高度有限的树(N叉树)。

基本模板

  • 回溯函数模板返回值以及参数

    复制代码
    void backtracking(参数)

回溯算法中函数返回值一般为void。

一般是先写逻辑,然后需要什么参数,就填什么参数。

  • 回溯函数终止条件

    复制代码
    if (终止条件) {
        存放结果;
        return;
    }

什么时候达到了终止条件,树中就可以看出,一般来说搜到叶子节点了,也就找到了满足条件的一条答案,把这个答案存放起来,并结束本层递归。

  • 回溯搜索的遍历过程

    复制代码
    for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {
      处理节点;
      backtracking(路径,选择列表); // 递归
      回溯,撤销处理结果
    }

如下图所示:

for循环就是遍历集合区间,可以理解一个节点有多少个孩子,这个for循环就执行多少次。

backtracking这里自己调用自己,实现递归。

大家可以从图中看出for循环可以理解是横向遍历,backtracking(递归)就是纵向遍历,这样就把这棵树全遍历完了,一般来说,搜索叶子节点就是找的其中一个结果了。

模板框架

复制代码
void backtracking(参数) {
  if (终止条件) {
      存放结果;
      return;
  }

  for (选择:本层集合中元素(树中节点孩子的数量就是集合的大小)) {
      处理节点;
      backtracking(路径,选择列表); // 递归
      回溯,撤销处理结果
  }
}

全排列

题目描述

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

解题思路

抽象成的树形结构:

1. 递归函数参数

需要一个used数组,标记已经选择的元素

复制代码
vector<vector<int>> result;
vector<int> path;
void backtracking (vector<int>& nums, vector<bool>& used)

2. 递归终止条件

可以看出叶子节点,就是收割结果的地方。

当收集元素的数组path的大小达到和nums数组一样大的时候,说明找到了一个全排列,也表示到达了叶子节点。

3. 单层搜索的逻辑

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

而used数组,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。

复制代码
for (int i = 0; i < nums.size(); i++) {
    if (used[i] == true) continue; // path里已经收录的元素,直接跳过
    used[i] = true;
    path.push_back(nums[i]);
    backtracking(nums, used);
    path.pop_back();
    used[i] = false;
}

C++ 代码实现

复制代码
class Solution {
public:
    vector<vector<int>> result;
    vector<int> path;
    void backtracking(vector<int>& nums, vector<bool>& used) {
        // 此时说明找到了一组
        if (path.size() == nums.size()) {
            result.push_back(path);
            return;
        }
        for (int i = 0; i < nums.size(); i++) {
            if (used[i] == true)
                continue; // path里已经收录的元素,直接跳过
            used[i] = true;
            path.push_back(nums[i]);
            backtracking(nums, used);
            path.pop_back();
            used[i] = false;
        }
    }
    vector<vector<int>> permute(vector<int>& nums) {
        result.clear();
        path.clear();
        vector<bool> used(nums.size(), false);
        backtracking(nums, used);
        return result;
    }
};

复杂度分析

时间复杂度:O(n * n!),n 为数组长度。生成 n! 个排列,每个排列需要 O(n) 时间存储。

空间复杂度:O(n),主要用于存储 path、used 和递归栈(递归深度为 n)。

相关推荐
小拇指~30 分钟前
梯度下降的基本原理
人工智能·算法·计算机视觉
艾莉丝努力练剑38 分钟前
【C/C++】类和对象(上):(一)类和结构体,命名规范——两大规范,新的作用域——类域
java·c语言·开发语言·c++·学习·算法
TDengine (老段)1 小时前
TDengine 中 TDgp 中添加机器学习模型
大数据·数据库·算法·机器学习·数据分析·时序数据库·tdengine
Tisfy2 小时前
LeetCode 2411.按位或最大的最小子数组长度:一次倒序遍历
数据结构·算法·leetcode·题解·位运算·遍历
2202_756749693 小时前
04 基于sklearn的机械学习-梯度下降(上)
人工智能·算法·机器学习
草莓爱芒果3 小时前
Spring Boot中使用Bouncy Castle实现SM2国密算法(与前端JS加密交互)
java·spring boot·算法
晚云与城3 小时前
【数据结构】-----排序的艺术画卷
数据结构·算法·排序算法
weixin_307779133 小时前
设计Mock CUDA库的流程与实现
c++·算法·gpu算力
j_xxx404_4 小时前
数据结构:算法复杂度与空间复杂度
c语言·数据结构·算法