47. 全排列 II

47. 全排列 II

47. 全排列 II

给定一个可包含重复数字的序列 nums ，按任意顺序 返回所有不重复的全排列。

示例 1：

输入：nums = [1,1,2]
输出：
[[1,1,2],
 [1,2,1],
 [2,1,1]]

示例 2：

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]]

提示：

• 1 <= nums.length <= 8
• -10 <= nums[i] <= 10

思路

这道题目和46.全排列的区别在于给定一个可包含重复数字的序列，要返回所有不重复的全排列。

这里又涉及到去重了。

在40.组合总和II 、90.子集II 我们分别详细讲解了组合问题和子集问题如何去重。

那么排列问题其实也是一样的套路。

还要强调的是去重一定要对元素进行排序，这样我们才方便通过相邻的节点来判断是否重复使用了。当然，如果题目要求不能改变原数组，那么就应该使用set辅助去重，如：491. 递增子序列

我以示例中的 [1,1,2]为例 （为了方便举例，已经排序）抽象为一棵树，去重过程如图：注意看绿色部分，说明了回溯过程中的used切片元素变化

图中我们对同一树层，前一位（也就是nums[i-1]）如果使用过要选nums[i]了，那么就进行去重，因为同一树层遍历到第i个元素了，但是used[i-1]却是0，说明是回溯回来的时候将used[i-1]置为0了，不然i-1在i之前，肯定会先用i-1，从而used[i-1]是1的。另一方面，看上图左下角蓝色字部分，同树枝上used[i]和used[i-1]相等，而used[i-1]选了，仍可以选used[i]，因为是题目所给数组就有两个相同元素，排列中就是需要他们两个都存在的，即同树枝可以选相同数值的元素，因为是所给数组中他们的值就相同而已。

具体而言，对照上图来看，如果将第二个1看成1'，可选集合则是[1,1',2]，看成第0层。开始递归，第一层选1，第二层选1’，第三层选2，得到[1,1’,2]。回溯回到第二层，横向选2，得到[1,2]，然后选1'，得到[1,2,1']，现在又要回溯上去了，直到回到第一层，选1’，然后如果继续递归到第二层，选2，会得到[1',2]，而实际上以1'开头，递归下去选其他数的组合，都包含在同层前一个树枝，以1开头去选其他数的情况中了，所以是同层需要去重直接以1'开头的情况的。

一般来说：组合问题和排列问题是在树形结构的叶子节点上收集结果，而子集问题就是取树上所有节点的结果。

在46.全排列 中已经详细讲解了排列问题的写法，在40.组合总和II 、90.子集II 中详细讲解了去重的写法，所以这次我就不用回溯三部曲分析了，直接给出代码，如下：

func permuteUnique(nums []int) [][]int {
    if len(nums) == 0 {
        return nil
    }
    res := make([][]int,0)
    path := make([]int,0)
    used := make([]bool,len(nums))
    // 涉及去重，所以先排序
    sort.Ints(nums)
    backtracking(nums,&res,&path,used)
    return res
}

func backtracking(nums []int,res *[][]int,path *[]int,used []bool) {
    if len(*path) == len(nums) {
        *res = append(*res,append([]int(nil),*path...))
        return
    }

    for i := 0;i < len(nums);i++ {
   		 // used[i - 1] == true，说明同一树枝nums[i - 1]使用过
        // used[i - 1] == false，说明同一树层nums[i - 1]使用过
        // 同树层相同元素不重复选，去重,注意是used[i - 1]
        if i > 0 && nums[i] == nums[i - 1] && !used[i - 1] {
            continue
        }
        // 同树枝去重，因为每往里递归一层都是从下标0开始取数，nums数组中取过的数字在同一树枝不能重复取
        if used[i] {
            continue
        }
        *path  = append(*path,nums[i])
        used[i] = true
        backtracking(nums,res,path,used)
        *path = (*path)[0:len(*path) - 1]
        used[i] = false
    }
}

时间复杂度: 最差情况所有元素都是唯一的。复杂度和全排列1都是 $O(n!\ast n)$，因为对于 $n$ 个元素一共有 $n!$ 种排列方案。而对于每一个答案，我们需要 $O(n)$去复制单个切片结果，放到最终的 $res$数组

空间复杂度: $O(n)$ 回溯树的深度取决于我们有多少个元素，以及使用了一个标记数组。

拓展

大家发现，去重最为关键的代码为：

if i > 0 && nums[i] == nums[i - 1] && !used[i - 1] {
    continue;
}

如果改成 used[i - 1]等价【used[i - 1] == true】， 也是正确的!，去重代码如下：

if i > 0 && nums[i] == nums[i - 1] && used[i - 1] {
    continue;
}

这是为什么呢，就是上面我刚说的，如果要对树层中前一位去重，就用!used[i - 1]等价【used[i - 1] == false】 ，如果要对树枝前一位去重用used[i - 1]。

对于排列问题，树层上去重和树枝上去重，都是可以的，但是树层上去重效率更高！

这么说是不是有点抽象？

来来来，我就用输入: [1,1,1] 来举一个例子。

树层上去重!used[i - 1] ，的树形结构如下：

树枝上去重used[i - 1]的树型结构如下：

大家应该很清晰的看到，树层上对前一位去重非常彻底，效率很高，树枝上对前一位去重虽然最后可以得到答案，但是做了很多无用搜索。

总结

这道题其实还是用了我们之前讲过的去重思路，但有意思的是，去重的代码中，这么写：

if i > 0 && nums[i] == nums[i - 1] && !used[i - 1] {
    continue;
}

和这么写：

if i > 0 && nums[i] == nums[i - 1] && used[i - 1] {
    continue;
}

都是可以的，这也是很多同学做这道题目困惑的地方，知道!used[i - 1] 也行而used[i - 1] 也行，但是就想不明白为啥。

所以我通过举[1,1,1]的例子，把这两个去重的逻辑分别抽象成树形结构，大家可以一目了然：为什么两种写法都可以以及哪一种效率更高！

这里可能大家又有疑惑，既然 !used[i - 1] 也行而used[i - 1] 也行，那为什么还要写这个条件呢？

直接这样写 不就完事了？

if i > 0 && nums[i] == nums[i - 1]) {
    continue
}

其实并不行，一定要加上 !used[i - 1] 或者used[i - 1] ，因为 used[i - 1] 要一直是 true 或者一直是false 才可以，而不是 一会是true 一会又是false。 所以这个条件要写上。

是不是豁然开朗了！！