LeetCode每日一题 全排列 回溯算法

题目

给定一个 没有重复 数字的序列，返回其所有可能的全排列，如图：

分析

首先看到这道题，简单的暴力算法很难得出，因为数字的个数未知，一味地将数字不断的打乱重写，有两个问题，第一是很难做到将每种可能都列举出来，另一个是，时间复杂度过高，为阶层式的叠加，一旦给的数字过多，可能无法被计算得出。

看到这道题，按照我们正常的思路，应该会采取定一动一的方法来排列，这种思维方法和回溯算法的想法是一样的，比如我们先定好首个字母，以 [1,2,3] 为例，我们第一次先定好首个数字 1 ，然后求 [2,3] 的全排列，对于 [2,3] 的全排列，又可以采取定好首个字母来确定，以此类推，将首数字为 1 的情况列举完以后，在查看其他的情况。

我们可以用这道题，详细分析一下回溯算法，回溯算法可以有如下模板，时间复杂度为O(n2)：

result = []
func backtrack(路径，选择列表) {
	if 满足结束条件 {
		result.add(路径)
	}
	return

	for 选择 in 选择列表 {
		做选择
		backtrack(路径，选择列表)
		撤销选择
	}
}

我们用模板，则有以下算法可以：

var result [][]int

func permute(nums []int) [][]int {
    //先设定最后结果，路径和被使用过的数字
    result = [][]int{} 
    pathNums := []int{} 
    used := make([]bool, len(nums)) 
    backtrack(nums, pathNums, used)
    return result
}

func backtrack(nums, pathNums []int, used []bool) {
    //设定结束条件，当走完这个数列是，回溯结束
    if len(nums) == len(pathNums) { 
        tmp := make([]int, len(nums))
        //只使用公用数据
        copy(tmp, pathNums)
        result = append(result, tmp)
        return
    }

    for i:=0; i<len(nums); i++ {
        //设定判断，若未使用，进入内部并标记此数字被使用
        if !used[i] {
            used[i] = true 
            //将数字放入尾部，
            pathNums = append(pathNums, nums[i]) 
            //继续搜索
            backtrack(nums, pathNums, used) 
            //撤销一步
            pathNums = pathNums[:len(pathNums)-1] 
            //标记为未使用
            used[i] = false 
        }
    }
}