Leetcode-46. 全排列(回溯算法)

前言:
本篇文章要写的是回溯算法进行全排列,事实上,我在算法题中了解到了循环移位,然后又从循环移位到了回溯算法,这需要挨个好好的做个总结.

我们先来看看LeetCode上的这道题:
给定一个 没有重复 数字的序列,返回其所有可能的全排列。
即输入一个有n个数字的序列,输出它的所有排列方式.

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]

首先来看看概念:

回溯算法

回溯算法也叫试探法,它是一种系统地搜索问题的解的方法。
回溯算法的基本思想是:从一条路往前走,能进则进,不能进则退回来,换一条路再试,

其回溯算法要素:

1.满足条件执行结果:
2.进一步试探过程
3.试探完成后回溯步骤

深度优先搜索 算法

深度优先搜索 算法(英语:Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。这个算法会 尽可能深 的搜索树的分支。当结点 v 的所在边都己被探寻过,搜索将 回溯 到发现结点 v 的那条边的起始结点。这一过程一直进行到已发现从源结点可达的所有结点为止。如果还存在未被发现的结点,则选择其中一个作为源结点并重复以上过程,整个进程反复进行直到所有结点都被访问为止。

我们再回归到题中:

想象一个树,每一个叶子结点都有可能是1,2,3,当然如果其父结点数已存在,子结点就不要存在这个数了.首先分支走向 1, 然后再往下分支,这时因为1存在,我们直接跳过1,而取2,选定一个数后就继续往下分支,因为1,2都存在,我们只能取3,这时3个数组成的一个序列-[1,2,3]]就完成了,然后我们再返回取2的地方,这时我们取3,那么我们再往下延伸时,由于1,3都存在,我们只能取2,这时第二个序列-[1,3,2]也就诞生了.如此循环我们就能把所有排列方式都排列出来.

在这里插入图片描述

结合代码:

  public  List<List<Integer>> permute(int[] nums) {
		  List<List<Integer>> res = new LinkedList<>();
		  List<Integer> track = new LinkedList<>();
			backtrack(nums,res,track);
			return res;

	    }
	  private void backtrack(int[] nums, List<List<Integer>> res, List<Integer> track) {
		//当track记录集合满足n个数时,即构成一个序列时,将序列保存
		  if(track.size()==nums.length) {
			res.add(new LinkedList<>(track));
		}
		  
		for(int i=0;i<nums.length;i++) {
			
			//避免重复,如果记录集合中存在,则跳过
			if(track.contains(nums[i])) {
				continue;
			}
			track.add(nums[i]);
			backtrack(nums, res, track);
			// 回退
			track.remove(track.size()-1);
		}
	}
	public static void main(String[] args) {
		int[]nums= {1,2,3};
		HuiSu m=new HuiSu();
		List<List<Integer>> list=m.permute(nums);
		for(List<Integer> li :list) {
			System.out.print(li.toString());
		}
	}

### 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
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