LeetCode T46. 全排列

思路一：

首先处理排列算法的基本情况。如果输入列表为空，则返回一个空列表。如果输入列表只包含一个元素，则返回一个包含该单个元素的列表。这是递归算法的基本条件，它确保算法终止并返回正确的结果。

下面是算法的核心部分，用于生成所有可能的排列。首先，我们创建一个空列表 res，用于存储最终的排列结果。然后，我们使用一个循环来迭代处理输入列表 nums 中的每个元素。对于每个元素，我们计算出除了当前元素之外的剩余部分 rest。这是通过将当前元素之前和之后的部分连接而得到的。接下来，我们通过递归调用 self.permute(rest) 来生成剩余部分的所有排列，然后将当前元素附加到每个排列中，形成新的排列。最终，这些新的排列被添加到结果列表 res 中。

最后，一旦所有可能的排列都已生成，我们返回包含所有排列的列表 res。

代码如下：

class Solution:
    def permute(self, nums: List[int]) -> List[List[int]]:
        if len(nums) == 0:
            return []
        if len(nums) == 1:
            return [nums]
        res = []
        for i in range(len(nums)):
            rest = nums[:i] + nums[i+1:]
            for p in self.permute(rest):
                res.append([nums[i]] + p)
        return res

思路二：

从全排列问题开始理解回溯算法
我们尝试在纸上写 3 个数字、4 个数字、5 个数字的全排列，相信不难找到这样的方法。以数组 [1, 2, 3] 的全排列为例。

• 先写以 111 开头的全排列，它们是：[1, 2, 3], [1, 3, 2]，即 1 + [2, 3] 的全排列（注意：递归结构体现在这里）；
• 再写以 222 开头的全排列，它们是：[2, 1, 3], [2, 3, 1]，即 2 + [1, 3] 的全排列；
• 最后写以 333 开头的全排列，它们是：[3, 1, 2], [3, 2, 1]，即 3 + [1, 2] 的全排列；

总结搜索的方法：按顺序枚举每一位可能出现的情况，已经选择的数字在 当前 要选择的数字中不能出现。按照这种策略搜索就能够做到 不重不漏。这样的思路，可以用一个树形结构表示。

先尝试自己画出「全排列」问题的树形结构。

设计状态变量

• 首先这棵树除了根结点和叶子结点以外，每一个结点做的事情其实是一样的，即：在已经选择了一些数的前提下，在剩下的还没有选择的数中，依次选择一个数，这显然是一个 递归 结构；
• 递归的终止条件是： 一个排列中的数字已经选够了 ，因此我们需要一个变量来表示当前程序递归到第几层，我们把这个变量叫做 depth，或者命名为 index ，表示当前要确定的是某个全排列中下标为 index 的那个数是多少；
• 布尔数组 used，初始化的时候都为 false 表示这些数还没有被选择，当我们选定一个数的时候，就将这个数组的相应位置设置为 true ，这样在考虑下一个位置的时候，就能够以 O (1) O (1) O (1) 的时间复杂度判断这个数是否被选择过，这是一种「以空间换时间」的思想。

这些变量称为「状态变量」，它们表示了在求解一个问题的时候所处的阶段。需要根据问题的场景设计合适的状态变量。

代码如下：

from typing import List
 
 
class Solution:
    def permute(self, nums: List[int]) -> List[List[int]]:
        def dfs(nums, size, depth, path, used, res):
            if depth == size:
               res.append(path[:])
               return
 
            for i in range(size):
                if not used[i]:
                    used[i] = True
                    path.append(nums[i])
 
                    dfs(nums, size, depth + 1, path, used, res)
 
                    used[i] = False
                    path.pop()
 
        size = len(nums)
        if len(nums) == 0:
            return []
 
        used = [False for _ in range(size)]
        res = []
        dfs(nums, size, 0, [], used, res)
        return res
 
 
if __name__ == '__main__':
    nums = [1, 2, 3]
    solution = Solution()
    res = solution.permute(nums)
    print(res)