leetcode hot100 46. 全排列 medium 递归回溯 dfs

---

回溯 + 状态标记

回溯的核心在于：尝试选择 -> 递归进入下一层 -> 撤销选择（回退）。

• 路径 (path)：记录当前已经选了哪些数字。
• 选择列表：nums 中除去已经在 path 里的数字。
• 结束条件：path 的长度等于 nums 的长度。
• 状态重置：为了让同层级的其他分支能重新使用当前数字，必须在递归返回后将其从 path 中移除。

---

DFS

eg：nums = 1,2,3

步骤	操作	当前 path	当前 used	动作说明
1	dfs() (L1)	[]	[F, F, F]	初始状态
2	append(1)	[1]	[T, F, F]	选了 1，去下一层找老二
3	append(2)	[1, 2]	[T, T, F]	选了 2，去下一层找老三
4	append(3)	[1, 2, 3]	[T, T, T]	选了 3，满了！
5	SAVE	1, 2, 3	[T, T, T]	存入 res
6	pop()	[1, 2]	[T, T, F]	回溯：撤销 3 的选择
7	pop()	[1]	[T, F, F]	回溯：撤销 2，接下来尝试选 3 做老二
8	append(3)	[1, 3]	[T, F, T]	选了 3 做老二
9	...	...	...	重复上述逻辑...

class Solution:
    def permute(self, nums: List[int]) -> List[List[int]]:
        n =  len(nums)
        res = []
        path = []   # 记录当前已经选了哪些数字   
        used = [False] * n  # 布尔数组记录数字是否已被使用

        def dfs(): # 不需要传 i
            # path达到nums长度，停止
            if len(path) == n:
                res.append(path[:])
                return

            # 检查nums里还有哪些能填进path的
            for idx, use in enumerate(used):
                if not use:
                    path.append(nums[idx]) # 添加nums[idx]
                    used[idx] = True       # 标记用过
                    dfs()                  # 递归，继续下一个坑位

                    # path达到nums长度，递归结束
                    path.pop()             # 弹出加入的nums[idx]（回溯的核心）
                    used[idx] = False      # 重置 nums[idx]为没用过


        dfs()  
        return res

为什么用 path:？

在 Python 中，path 是一个列表对象（引用）。如果不使用切片 : 拷贝一份副本，最终 res 里的所有元素都会指向同一个被清空的 path 对象。

时间复杂度： O ( n × n ! ) O(n \times n!) O(n×n!)

全排列共有 n ! n! n! 个，每个排列需要 O ( n ) O(n) O(n) 的时间复制到结果集中。
空间复杂度： O ( n ) O(n) O(n)

递归深度为 n n n，且需要 used 数组和 path 数组。

---

切片

选了 numsi 以后，其它所有元素都还能选（除了它自己）

class Solution:
    def permute(self, nums: List[int]) -> List[List[int]]:
        res = []
        def backtrack(nums, tmp):  #（待选列表，已有排列）
        	 #待选列表为空（所有数字有选完了）
            if not nums:
                res.append(tmp)  # 当前排列加入res
                return 
            # 依次选择待选列表的元素，进入排列。
            for i in range(len(nums)):
                backtrack(nums[:i] + nums[i+1:], tmp + [nums[i]]) #注意是[nums[i]], 不是nums[i]
        backtrack(nums, [])
        return res

值传递：这段代码在每次递归时，都通过 + 号产生了全新的列表对象传给下一层。

自动恢复：由于每一层使用的 nums 和 tmp 都是上一层传过来的"快照"，当前层对它们的任何操作都不会影响到上一层的变量。当递归函数返回时，上一层的变量依然是原来的样子。

维度	标准回溯	切片传递
空间效率	更高 。全局共用一个 path 和 used，空间复杂度 O ( n ) O(n) O(n)。	较低。每层都在创建新的列表切片，会产生大量临时对象。
可读性	逻辑略复杂，需要处理"撤销"动作。	非常直观，更像纯粹的递归思维。
性能	快。数组原地修改速度最快。	慢 。列表拼接和切片操作在 Python 里是 O ( k ) O(k) O(k) 的开销。