LCP:60 排列序列[leetcode-4]

LCP:60 排列序列

给出集合 [1,2,3,...,n],其所有元素共有 n! 种排列。

按大小顺序列出所有排列情况,并一一标记,当 n = 3 时, 所有排列如下:

  1. "123"
  2. "132"
  3. "213"
  4. "231"
  5. "312"
  6. "321"

给定 nk,返回第 k 个排列。

示例 1:

输入:n = 3, k = 3
输出:"213"

示例 2:

输入:n = 4, k = 9
输出:"2314"

示例 3:

输入:n = 3, k = 1
输出:"123"

最近电脑坏了,去修理好久,所以最近没更leetcode啊,我的绿屏计划都没了🥲

关于0基数和1基数的思考

计算机中常常从0开始计数,而我们在表述中往往从1开始计数,对于问题的转换,我们推荐从问题的一开始就统一基数,如果不统一会给后面的代码带来不必要的麻烦。

比如这个问题,K=9是什么基数,显然来看,是1基数。我们在处理的时候,就要先一步来把K=9转化为0基数的K=8,因为后面我们基于数组的算法就是0基数,不在开头统一绝对让人迷惑。相信你也看出来了

(0基数计数)=(1基数计数)-1;
解题思考
  • 从上到下的排列,同一个开头的数字有几个?当然是余下的N-1个数字的全排列了,(N-1)!个嘛

  • 所以第K(1)的开头在哪里?那就是求K-1(0)的开头在哪里? 显然

    对于

    vector<char> vecc = { '1','2','3','4','5','6','7','8','9' };
    

    b e g i n n u m = v e c c [ k ( n − 1 ) ! ] beginnum=vecc[\frac{k}{(n-1)!}] beginnum=vecc[(n1)!k]

  • 下一步,每个数字只会出现一次,故出现完就要移除

  • 下一步是递归,算出来第一个数字,那接下来确定第二个数字,n变为n-1,k变为k%(n-1)! ,参与递归即可

  • 上面的索引是对次序而言的,如果第一位是3,那余下的数字是1246789,若算出k/(n-1)!=3,那实际上的数字是5(这点比较关键读者可以思考一下)

  • 在这里插入图片描述

代码
class Solution {
public:

    vector<int> tannum = { 1,1,2,6,24,120,720,5040,40320,362880 };

    vector<char> vecc = { '1','2','3','4','5','6','7','8','9' };
    //记得把ans设为对象内变量,这也递归调用的都是这个
    string ans;
    void getPermutation_T(int n, int k)
    {
        if (n == 0) return;
        int tnum = k / tannum[n - 1];
        ans += vecc[tnum];
        //每个数字只会出现一次,故排上之后就应该删除
        vecc.erase(vecc.begin() + tnum);
        getPermutation_T(n - 1, k % tannum[n - 1]);
    }


    string getPermutation(int n, int k) {
        //预处理
        getPermutation_T(n, k - 1);
        return ans;

    }
};

效果

在这里插入图片描述

  • 8
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值