代码随想录算法营DAY29 | 491.递增子序列 46.全排列 47.全排列 II

491.递增子序列

思路：
这一题和组合2很像，但是数组是无序的,也不能排序，所以需要用set或者是数组在同一层中去重。

【关于数组还是set的问题】
其实用数组来做哈希，效率就高了很多。
注意题目中说了，数值范围[-100,100]，所以完全可以用数组来做哈希。
程序运行的时候对unordered_set 频繁的insert，unordered_set需要做哈希映射（也就是把key通过hash function映射为唯一的哈希值）相对费时间，而且每次重新定义set，insert的时候其底层的符号表也要做相应的扩充，也是费事的。
数组，set，map都可以做哈希表，而且数组干的活，map和set都能干，但如果数值范围小的话能用数组尽量用数组。

代码：

var findSubsequences = function(nums) {
    let path=[],res=[];
    backtracing(0);
    return res;
    function backtracing(start){
        // let set=new Set();
        let set=[];
        if(path.length>1) res.push([...path]);
        for(let i=start;i<nums.length;i++){
            if((path.length>0&&nums[i]<path[path.length-1])||set[nums[i] + 100]) continue;
            set[nums[i]+100]=true;
            //用set也可以做，但是数组时间复杂度低
            // if((path.length>0&&nums[i]<path[path.length-1])||set.has(nums[i])) continue;
            // set.add(nums[i]);
            path.push(nums[i]);
            backtracing(i+1);
            path.pop();
        }
    }
};

46.全排列

思路：

这一题不用start index，因为排列类题目每一次都需要从0开始循环，用一个数组记录已经使用过的元素（按下标记录或者按值记录都行，因为这个数组里没有重复的数字。我的代码是按值记录）
这题和上面一题不一样，set需要回溯。

代码：

var permute = function (nums) {
    let path = [], res = [];
    backtracing([]);
    return res;
    function backtracing(set) {
        if (path.length === nums.length) {
            res.push(path.slice());
            return;
        }
        for (let i = 0; i < nums.length; i++) {
            if (set[nums[i] + 10]) continue;
            set[nums[i] + 10] = true;
            path.push(nums[i]);
            backtracing(set);
            set[nums[i] + 10] = false;
            path.pop();
        }
    }
};

47.全排列 II

思路：
这道题目和46.全排列 (opens new window)的区别在与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 (opens new window)、90.子集II (opens new window)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。

代码：

var permuteUnique = function(nums) {98
    let path = [], res = [];
    nums.sort((a,b)=>{return a-b});
    backtracing([]);
    return res;
    function backtracing(used) {
        if (path.length === nums.length) {
            res.push(path.slice());
            return;
        }
        for (let i = 0; i < nums.length; i++) {
            if (i > 0 && nums[i] === nums[i - 1] && !used[i - 1]) {
                continue
            }
            if(!used[i]){
                 used[i] = true
                path.push(nums[i])
                backtracing(used)
                path.pop()
                used[i] = false
            }
        }
    }
};

感想总结

感觉回溯算法好多去重问题用到的方法也不太一样 需要分类总结一下（用思维导图）