代码随想录算法训练营第三十一天|491.递增子序列、46.全排列、 47.全排列 II

struggle with code

已于 2024-05-17 21:00:47 修改

阅读量923

点赞数

文章标签：算法

于 2024-05-17 20:42:42 首次发布

本文链接：https://blog.csdn.net/qq_52149213/article/details/138993614

版权

491.递增子序列

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

这个递增子序列比较像是取有序的子集。而且本题也要求不能有相同的递增子序列。

这又是子集，又是去重，是不是不由自主的想起了刚刚讲过的90.子集II (opens new window)。

就是因为太像了，更要注意差别所在，要不就掉坑里了！

在90.子集II (opens new window)中我们是通过排序，再加一个标记数组来达到去重的目的。

而本题求自增子序列，是不能对原数组进行排序的，排完序的数组都是自增子序列了。

所以不能使用之前的去重逻辑！

用[4, 7, 6, 7]这个数组来举例

回溯三部曲

递归函数参数

本题求子序列，很明显一个元素不能重复使用，所以需要startIndex，调整下一层递归的起始位置。

终止条件

本题其实类似求子集问题，也是要遍历树形结构找每一个节点，所以和回溯算法：求子集问题！ (opens new window)一样，可以不加终止条件，startIndex每次都会加1，并不会无限递归。

但本题收集结果有所不同，题目要求递增子序列大小至少为2，所以大于等于2时才开始收集结果

单层搜索逻辑

本题中不仅要对同层进行去重，还要看遍历的元素是否大于path中的最后一个元素

需要注意，used 是记录本层元素是否重复使用，新的一层uset都会重新定义（清空），所以要知道uset只负责本层！所以不需要pop

class Solution:
    def __init__(self):
        self.path = []  # 用于存储当前递归路径中的元素
        self.result = []  # 用于存储所有符合条件的递归结果

    def findSubsequences(self, nums: List[int]) -> List[List[int]]:
        def backtracking(nums, start_index):
            if len(self.path) >= 2:  # 如果当前路径中的元素数量大于等于2
                self.result.append(copy.deepcopy(self.path))  # 将当前路径的深拷贝加入结果中
            used = set()  # 每一次递归即纵向都是新的used，因此不用回溯used
            for i in range(start_index, len(nums)):  # 从start_index开始遍历nums
                if (len(self.path) != 0 and nums[i] < self.path[-1]) or nums[i] in used:  # 如果当前元素小于路径中的最后一个元素或已被使用
                    continue  # 跳过当前元素
                else:
                    self.path.append(nums[i])  # 将当前元素加入路径
                    used.add(nums[i])  # 将当前元素标记为已使用
                backtracking(nums, i + 1)  # 递归调用，继续向下探索
                self.path.pop()  # 回溯，移除路径中的最后一个元素

        backtracking(nums, 0)  # 从索引0开始调用回溯函数
        return self.result  # 返回最终结果

下面这种方式还没有通过，目前还没有找到原因

class Solution:
    def __init__(self):
        self.path = []
        self.result = []
    def findSubsequences(self, nums: List[int]) -> List[List[int]]:
        def backtracking(nums,start_index):
            if len(self.path) >= 2:
                self.result.append(copy.deepcopy(self.path))
            used = set()
            for i in range(start_index,len(nums)):
                if len(self.path) == 0:
                    self.path.append(nums[i])
                    used.add(nums[i])
                elif len(self.path)!= 0 and nums[i]>= self.path[-1] and nums[i] not in used:
                    self.path.append(nums[i])
                    used.add(nums[i])
                else:
                    continue
                backtracking(nums,i+1)
                self.path.pop()
        backtracking(nums,0)
        return self.result

46.全排列

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

回溯三部曲

递归函数参数

首先排列是有序的，也就是说 [1,2] 和 [2,1] 是两个集合，这和之前分析的子集以及组合所不同的地方。

可以看出元素1在[1,2]中已经使用过了，但是在[2,1]中还要在使用一次1，所以处理排列问题就不用使用startIndex了。

但排列问题需要一个used数组，标记已经选择的元素，未使用的元素都可以再使用

递归终止条件

可以看出叶子节点，就是收割结果的地方。

那么什么时候，算是到达叶子节点呢？

当收集元素的数组path的大小达到和nums数组一样大的时候，说明找到了一个全排列，也表示到达了叶子节点。

单层搜索的逻辑

这里和77.组合问题 (opens new window)、131.切割问题 (opens new window)和78.子集问题 (opens new window)最大的不同就是for循环里不用startIndex了。

因为排列问题，每次都要从头开始搜索，例如元素1在[1,2]中已经使用过了，但是在[2,1]中还要再使用一次1。

而used数组，其实就是记录此时path里都有哪些元素使用了，一个排列里一个元素只能使用一次。

此时可以感受出排列问题的不同：

每层都是从0开始搜索而不是startIndex
需要used数组记录path里都放了哪些元素了

from typing import List
import copy

class Solution:
    def __init__(self):
        self.path = []  # 初始化一个空列表用于存储当前排列路径
        self.result = []  # 初始化一个空列表用于存储所有排列结果

    def permute(self, nums: List[int]) -> List[List[int]]:
        def backtracking(nums, used):
            if len(self.path) == len(nums):  # 如果当前路径长度等于nums的长度
                self.result.append(copy.deepcopy(self.path))  # 将当前路径的深拷贝添加到结果列表中
                return 
            for i in range(0, len(nums)):  # 遍历nums中的每一个元素
                if used[i]:  # 如果该元素已经被使用
                    continue  # 跳过该元素
                else:
                    self.path.append(nums[i])  # 将该元素添加到当前路径中
                    used[i] = True  # 标记该元素为已使用
                backtracking(nums, used)  # 递归调用回溯函数
                self.path.pop()  # 回溯，移除当前路径中的最后一个元素
                used[i] = False  # 将该元素标记为未使用
        used = [False] * len(nums)  # 初始化一个与nums长度相同的布尔列表，用于标记元素是否被使用
        backtracking(nums, used)  # 调用回溯函数
        return self.result  # 返回所有排列结果

47.全排列 II

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

这道题目和46.全排列 (opens new window)的区别在与给定一个可包含重复数字的序列，要返回所有不重复的全排列。

这里又涉及到去重了。

在40.组合总和II (opens new window)、90.子集II (opens new window)我们分别详细讲解了组合问题和子集问题如何去重。

那么排列问题其实也是一样的套路。

还要强调的是去重一定要对元素进行排序，这样我们才方便通过相邻的节点来判断是否重复使用了。

以示例中的 [1,1,2]为例（为了方便举例，已经排序）抽象为一棵树，去重过程如图：

图中我们对同一树层，前一位（也就是nums[i-1]）如果使用过，那么就进行去重，并且是在树层上才去重，也就是我们要判断used[i-1]是不是使用过了，如果使用过了，那么就不是在树层上了，如果没有使用过，就是在树层上。因为我们排序过了，所以才可以直接取i-1的值。

一般来说：组合问题和排列问题是在树形结构的叶子节点上收集结果，而子集问题就是取树上所有节点的结果。

在46.全排列 (opens new window)中已经详细讲解了排列问题的写法，在40.组合总和II (opens new window)、90.子集II (opens new window)中详细讲解了去重的写法

代码如下

from typing import List
import copy

class Solution:
    def __init__(self):
        self.path = []  # 初始化一个空列表用于存储当前排列路径
        self.result = []  # 初始化一个空列表用于存储所有排列结果

    def permuteUnique(self, nums: List[int]) -> List[List[int]]:
        def backtracking(nums, used):
            if len(self.path) == len(nums):  # 如果当前路径长度等于nums的长度
                self.result.append(copy.deepcopy(self.path))  # 将当前路径的深拷贝添加到结果列表中
                return 
            for i in range(0, len(nums)):  # 遍历nums中的每一个元素
                # 树层去重
                if (i > 0 and nums[i] == nums[i - 1] and used[i - 1] == False) or used[i] == True:
                    # 如果当前元素与前一个元素相同且前一个元素未被使用，或者当前元素已被使用，跳过该元素
                    continue
                else:
                    self.path.append(nums[i])  # 将该元素添加到当前路径中
                    used[i] = True  # 标记该元素为已使用
                    backtracking(nums, used)  # 递归调用回溯函数
                    self.path.pop()  # 回溯，移除当前路径中的最后一个元素
                    used[i] = False  # 将该元素标记为未使用
        nums.sort()  # 对nums进行排序
        used = [False] * len(nums)  # 初始化一个与nums长度相同的布尔列表，用于标记元素是否被使用
        backtracking(nums, used)  # 调用回溯函数
        return self.result  # 返回所有排列结果