leetcode_31.下一个排列

 31. 下一个排列

题目描述:整数数组的一个 排列  就是将其所有成员以序列或线性顺序排列。

  • 例如,arr = [1,2,3] ,以下这些都可以视作 arr 的排列:[1,2,3][1,3,2][3,1,2][2,3,1] 。

整数数组的 下一个排列 是指其整数的下一个字典序更大的排列。更正式地,如果数组的所有排列根据其字典顺序从小到大排列在一个容器中,那么数组的 下一个排列 就是在这个有序容器中排在它后面的那个排列。如果不存在下一个更大的排列,那么这个数组必须重排为字典序最小的排列(即,其元素按升序排列)。

  • 例如,arr = [1,2,3] 的下一个排列是 [1,3,2] 。
  • 类似地,arr = [2,3,1] 的下一个排列是 [3,1,2] 。
  • 而 arr = [3,2,1] 的下一个排列是 [1,2,3] ,因为 [3,2,1] 不存在一个字典序更大的排列。

给你一个整数数组 nums ,找出 nums 的下一个排列。

必须 原地 修改,只允许使用额外常数空间。

示例 1:

输入:nums = [1,2,3]
输出:[1,3,2]

示例 2:

输入:nums = [3,2,1]
输出:[1,2,3]

示例 3:

输入:nums = [1,1,5]
输出:[1,5,1]

提示:

  • 1 <= nums.length <= 100
  • 0 <= nums[i] <= 100

这题的难点应该在读懂题目(bushi)

“ 下一个字典序更大 ” ==>> 因为是“下一个”,所以从数组末尾开始,找到一个的第一个非倒序的序列,前面的不用管,找到这个序列并将这个序列排到更大

举个栗子:[5,3,1,4,2,0]

①[1,4,2,0],因为[4,2,0]是倒序的(不能变得更大了),加入1之后不是倒序(相当于从后向前找到第一个“<”)(可以实现得到一个更大的字典序的队列)

②将1和[4,2,0]中的大于1的最小的数(即2)交换

③[2,4,1,0]将[4,1,0]排序(即[0,1,4])得到了[1,4,2,0]的后一个字典序更大的序列[2,0,1,4]

④和前面的拼在一起[]5,3,2,0,1,4]

贪心策略:找到逆序对① 和交换位置② 

  1. 找到逆序对: 贪心的思想在于,从右向左遍历数组,寻找第一个逆序对(即nums[index] < nums[index + 1])。这样做的目的是找到可以被增加的最小的“值”位置

  2. 找到交换位置: 在找到逆序对后,我们在逆序对的右侧寻找第一个比nums[index]大的元素,并交换它们。这是基于一个贪心的策略,希望尽可能小地增加排列的值,以得到下一个更大的排列

代码思路:
  1. 找到逆序对: 从右向左遍历数组,找到第一个nums[index] < nums[index + 1]的位置index。这个位置index就是逆序对的前一个元素

  2. 找到交换位置: 在index的右侧从右向左查找,找到第一个大于nums[index]的元素nums[swapindex],并交换它们

  3. 对交换位置之后的部分进行排序: 使用Arrays.sort(nums, index + 1, nums.length)index之后的部分进行排序,使其成为最小的排列

class Solution {
    public void nextPermutation(int[] nums) {
        int index = nums.length - 2;
        for (; index >= 0; index--) if (nums[index] < nums[index + 1]) break;

        if (index == -1) Arrays.sort(nums);
        else {
            int swapindex = nums.length - 1;
            for (; swapindex > index; swapindex--) if (nums[swapindex] > nums[index]) break;
            
            int swap = nums[index];
            nums[index] = nums[swapindex];
            nums[swapindex] = swap;
            Arrays.sort(nums, index + 1, nums.length);
        }
    }
}
 优化思路:

前面的代码时间复杂度将接近O(n log n),这个nextPermutation方法与之前的版本相比,进行了一些优化,主要是避免了使用Arrays.sort()Arrays.sort(nums, index + 1, nums.length),考虑到需要进行排序的序列的都是逆序的,使用了自定义的sort方法来反转数组的部分内容,时间复杂度为O(n)

class Solution {
       public void nextPermutation(int[] nums) {
        int index = nums.length - 2;
        for (; index >= 0; index--) if (nums[index] < nums[index + 1]) break;

        if (index == -1) /*Arrays.sort(nums)*/ ;
        else {
            int swapindex = nums.length - 1;
            for (; swapindex > index; swapindex--) if (nums[swapindex] > nums[index]) break;

            int swap = nums[index];
            nums[index] = nums[swapindex];
            nums[swapindex] = swap;
            /*Arrays.sort(nums, index + 1, nums.length)*/
        }
        sort(nums, index + 1);
    }

    //需要进行的都是逆序的,因此排序的时间复杂度可以为O(n)
    public void sort(int[] nums, int left) {
        int right = nums.length - 1;
        while (left < right) {
            int swap = nums[left];
            nums[left] = nums[right];
            nums[right] = swap;
            
            left++;
            right--;
        }
    }
}
  • 47
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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

打赏作者

咔咔哒

谢谢哇!!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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