LeetCode31 Next Permutation

题目:


Implement next permutation, which rearranges numbers into the lexicographically next greater permutation of numbers.

If such arrangement is not possible, it must rearrange it as the lowest possible order (ie, sorted in ascending order).

The replacement must be in-place, do not allocate extra memory.

Here are some examples. Inputs are in the left-hand column and its corresponding outputs are in the right-hand column.
1,2,31,3,2
3,2,11,2,3
1,1,51,5,1

实现的理解基础:

 1.对一个升序数组(a1,a2,a3...an)完成从小到大全排列的过程 (实际上就是一步步从升序排列到降序排列的过程):  我们可以这样划分数组中的元素(a1...|...an),|从an前面移动到 a1前面,每一次,|后面的元素集合都必须经历从升序排列到降序排列的过程,  当|后面的元素变成降序排列时,这个子集变为最大,需要向前进位(类似十进制进位),进位的方式就是:交换|后面的所有元素中比|前面一个元素大的最小元素,|后面的元素变为升序,这样就得到了下一个元素,然后,|后面的元素又需要再次经历从升序排列到降序排列的过程(类比十进制进位,进位之后,又从0开始),这时,这个子集(|后面的元素组成的集合)的元素个数没变,但是元素有所变化;而对在对整个升序数组一步步变为降序数组的过程中遇到的所有升序子数组,也需要经历同样的过程。
  2.也可以这样来理解实现全排列的过程:在数组中,从右至左,数组中的每一个元素位置都经历这样一个过程,从最初的元素一步步变为它后面的元素中的最大元素,而每一次变化,它后面的元素集合都需要经历从升序排列到降序排列的完整过程。
  3.现在又来思考,这种实现方式如何对等我们在数学中学习的,第一个位置有n种选择,第二个位置有n-1个选择,最后一个位置只有一个选择,这样的方式呢?我们通过第二点的简化理解可以看到,第一个位置确实有n个选择,第二个位置有n-1个选择,最后一个位置只有一个选择。(从宏观上,我算是理解了,但是具体到细节里,我也想象不出)
  4.在完成全排列的过程中,我注意到这样一个事实:数组在变大,变大是通过进位来实现的;进位作用在这样一个元素身上:它后面的元素是降序排列的,它及它后面的元素不是降序排列的;类比于从十进制从0变大某个数)

具体代码:

import java.util.Arrays;

/**
 * 
 * @author yuncong
 *
 */
public class LeetCode31 {
	    /**
         * 核心思想:从右到左(权重由小到大),找到下一步需要变化的元素的位置
         * (也就是出现的第一个比后面元素小的元素,这个元素及后面的元素可以变得
         * 更大,只是降序的话,那就没法变大了,因为已经最大),将它后面的比它大
         * 的最小元素(这个元素一定存在)和它互换位置,并对后面的元素进行升序排列;
         * 如果原数组本身就降序排列,就反转使之升序排列
         * @param nums
         */
	public void nextPermutation(int[] nums) {
		if (nums == null) {
			return;
		}
		
		int len = nums.length;
		if (len == 1) {
			return;
		}
		
		// 从后往前,出现的第一个比后面元素小的数的位置
		int firstSmallIndex = len - 2;
		while (firstSmallIndex >= 0) {
			if (nums[firstSmallIndex] < nums[firstSmallIndex + 1]) {
				break;
			} else {
				firstSmallIndex--;
			}
		}
		// 等于-1,说明数组是降序排列的
		if (firstSmallIndex == -1) {
			// 反转数组
			reverse(nums);
		} else {
			// 从firstSmallIndex后面的元素中找到比firstSmallIndex处元素大的最小的数
			int target = -1;
			for(int i = firstSmallIndex + 1; i < len; i++) {
				if (nums[i] > nums[firstSmallIndex]) {
					if (target == -1) {
						target = i;
					} else {
						if (nums[i] < nums[target]) {
							target = i;
						}
					}
				}
			}
			// 交换firstSmallIndex和找到的数的位置上的元素,然后对firstSmallIndex
			// 位置之后的元素升序排列
			int temp = nums[target];
			nums[target] = nums[firstSmallIndex];
			nums[firstSmallIndex] = temp;
			Arrays.sort(nums, firstSmallIndex + 1, len);
		}
	}
	
	public void reverse(int[] nums) {
		int len = nums.length;
		int limit = len / 2;
		for(int i = 0; i < limit; i++) {
			int temp = nums[i];
			nums[i] = nums[len - 1 - i];
			nums[len - 1 - i] = temp;
		}
	}
	
	public static void main(String[] args) {
		int[] nums = new int[] {1,1,5};
		LeetCode31 leetCode31 = new LeetCode31();
		leetCode31.nextPermutation(nums);
		for (int i : nums) {
			System.out.println(i);
		}
	}
}




  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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