目录
491.递增子序列
本题和大家刚做过的 90.子集II 非常像,但又很不一样,很容易掉坑里。
思路
首先,本题不能再进行排序了,题目要求的就是递增序列,你这一排求个集贸啊(嘻嘻)。然后,还得考虑去重的问题,去重指的是同一树层里面不能取重复取过的数 ,具体看下图解释:
代码
from typing import List
class Solution:
def findSubsequences(self, nums: List[int]) -> List[List[int]]:
def backtracking(nums, startIndex, chosen, res):
if len(chosen) >= 2:
res.append(chosen[:])
if startIndex==len(nums):
return
uset=set()
for i in range(startIndex, len(nums)):
if i > startIndex and nums[i] == nums[i - 1]:
continue
''' 我原来的去重逻辑有问题,不应该判定横向遍历的下一位是否等于上一位,
而是应该在横向遍历中判定这个数是不是已经出现过了'''
if (len(chosen) > 0 and nums[i] < chosen[-1]) or nums[i] in uset:
continue
uset.add(nums[i])
chosen.append(nums[i])
backtracking(nums, i + 1, chosen, res)
chosen.pop()
res = []
backtracking(nums, 0, [], res)
return res
46.全排列
本题重点感受一下,排列问题 与 组合问题,组合总和,子集问题的区别。 为什么排列问题不用 startIndex
思路
这道题就是全排列了,其实没什么好讲的,多用了一个used参数用来纵向递归时判断某个数有没有被用过,因为全排列是一定要选满的,所以就不用startIndex参数了。
代码
class Solution:
def permute(self, nums):
result = []
self.backtracking(nums, [], [False] * len(nums), result)
return result
def backtracking(self, nums, path, used, result):
if len(path) == len(nums):
result.append(path[:])
return
for i in range(len(nums)):
if used[i]:
continue
used[i] = True
path.append(nums[i])
self.backtracking(nums, path, used, result)
path.pop()
used[i] = False
47.全排列 II
本题 就是我们讲过的 40.组合总和II 去重逻辑 和 46.全排列 的结合,可以先自己做一下,然后重点看一下 文章中 我讲的拓展内容。 used[i - 1] == true 也行,used[i - 1] == false 也行
思路
和上一题差不多,就是题目给的数字重复,在同一树层第二次取到同样的数字就剪枝。
代码
class Solution:
def permuteUnique(self, nums):
nums.sort() # 排序
result = []
self.backtracking(nums, [], [False] * len(nums), result)
return result
def backtracking(self, nums, path, used, result):
if len(path) == len(nums):
result.append(path[:])
return
for i in range(len(nums)):
if (i > 0 and nums[i] == nums[i - 1] and not used[i - 1]) or used[i]:
continue
used[i] = True
path.append(nums[i])
self.backtracking(nums, path, used, result)
path.pop()
used[i] = False