给定一个 没有重复 数字的序列,返回其所有可能的全排列。
示例:
输入: [1,2,3]
输出:
[
[1,2,3],
[1,3,2],
[2,1,3],
[2,3,1],
[3,1,2],
[3,2,1]
]
链接:https://leetcode-cn.com/problems/permutations
解题思路:
https://labuladong.gitbook.io/algo/di-ling-zhang-bi-du-xi-lie/hui-su-suan-fa-xiang-jie-xiu-ding-ban
这就是一个不断回溯的问题,1 -> 2 -> 3
走到了决策树的叶子节点,此时需要向上回溯,弹出3,弹出2,继续向下搜索。
1、路径:也就是已经做出的选择。 【先选择路径(1)】
2、选择列表:也就是你当前可以做的选择。【可以选择2,或者3】
3、结束条件:也就是到达决策树底层,无法再做选择的条件。【当数组中有3个元素的时候】
// lua 伪代码
function backtrack(引用参数列表)
if 结束条件 then 返回结果 end
for 选择列表 do
if 选择过了当前条件 then -- 此例子不允许重复,所以会多一个判断
continue
else
选择这个条件
backtrack(引用参数列表)
撤销选择(弹出)这个条件
end
end
end
其核心就是 for 循环里面的递归,在递归调用之前「做选择」,在递归调用之后「撤销选择」
这个决策树,有点类似先序遍历:
void traverse(TreeNode root) {
for (TreeNode child : root.childern)
// 前序遍历需要的操作
traverse(child);
// 后序遍历需要的操作(这里即是回溯到上一个条件)
}
回溯方法的时间复杂度不会低于 O(N!),因为穷举整棵决策树是无法避免的。这也是回溯算法的一个特点,不像动态规划存在重叠子问题可以优化,回溯算法就是纯暴力穷举,复杂度一般都很高。
void permuteImpl(vector<vector<int>>& res, vector<int>&nums, vector<int>& current, vector<int>& used)
{
if (current.size() == nums.size())
{
res.push_back(current);
return;
}
for (int i = 0; i < nums.size(); i++)
{
if (used[i] == 1)
{
continue;
}
else{
current.push_back(nums[i]);
used[i] = 1;
permuteImpl(res, nums, current, used);
current.pop_back();
used[i] = 0;
}
}
}
// https://leetcode-cn.com/problems/permutations/
// 全排列,回溯问题。 n的阶乘个
vector<vector<int>> permute(vector<int>& nums) {
vector<vector<int>> res;
vector<int> used(nums.size() + 1, 0);
vector<int> current;
permuteImpl(res, nums, current, used);
return res;
}