给定一个不含重复数字的整数数组 nums ,返回其 所有可能的全排列 。可以 按任意顺序 返回答案。
示例 1:
输入:nums = [1,2,3]
输出:[[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
1 <= nums.length <= 6
-10 <= nums[i] <= 10
nums 中的所有整数 互不相同
解法一:直接使用STL:
class Solution {
public:
vector<vector<int>> permute(vector<int>& nums) {
// next_permutation函数每次产生下一个排列
// 下一个排列的含义是按字典顺序下一个更大的排列
// 因此需要先对nums进行从小到大排序
sort(nums.begin(), nums.end());
vector<vector<int>> ans;
do {
ans.push_back(nums);
} while (next_permutation(nums.begin(), nums.end()));
return ans;
}
};
如果输入数组大小为n,此算法时间复杂度为O(n*n!),空间复杂度为O(1)。next_permutation函数的时间复杂度最多为O(n)。
解法二:回溯法,遍历某个排列的每一个元素,当遍历到下标i时,我们遍历所有可以放到下标i的元素,但有些元素在前面已经用过了,因此我们维护一个visited数组,如果该元素没有用过,才放到下标i:
class Solution {
public:
vector<vector<int>> permute(vector<int>& nums) {
vector<vector<int>> ans;
unordered_set<int> visited;
vector<int> current;
backtrack(0, current, nums, visited, ans);
return ans;
}
private:
void backtrack(int pos, vector<int> current, vector<int> &nums, unordered_set<int> &visited, vector<vector<int>> &ans) {
int sz = nums.size();
if (pos == sz) {
ans.push_back(current);
}
for (int i = 0; i < sz; ++i) {
if (visited.find(nums[i]) != visited.end()) {
continue;
}
visited.insert(nums[i]);
current.push_back(nums[i]);
backtrack(pos + 1, current, nums, visited, ans);
current.pop_back();
visited.erase(nums[i]);
}
}
};
如果输入数组大小为n,此算法时间复杂度为O(n*n!),空间复杂度为O(n)。backtrack函数的调用次数为O(n!),每次调用中,会循环n次。对于空间复杂度,递归深度为n,主要开销是栈空间开销和current、visited数组开销。
以上解法只适用于没有重复元素的输入数组,可以把visited中存放的值从输入数组的元素值改为输入数组的键值,从而实现找有重复元素集合的全排列。
解法三:在解法二中,我们使用了visited数组来标记哪些元素已经被全排列过了,我们可以直接修改nums数组,当遍历到下标i时,我们可以令[0,i]的所有元素都是已经全排列过的元素,具体做法是将当前循环中要排列的元素和下标为i的元素交换:
class Solution {
public:
vector<vector<int>> permute(vector<int>& nums) {
vector<vector<int>> ans;
backtrack(0, nums, ans);
return ans;
}
private:
void backtrack(int pos, vector<int> &nums, vector<vector<int>> &ans) {
int sz = nums.size();
if (pos == sz) {
ans.push_back(nums);
}
for (int i = pos; i < sz; ++i) {
swap(nums[i], nums[pos]);
backtrack(pos + 1, nums, ans);
swap(nums[i], nums[pos]);
}
}
};
如果输入数组大小为n,此算法时间复杂度为O(n*n!),空间复杂度为O(n)。backtrack函数的调用次数为O(n!),每次调用中,会循环n次。对于空间复杂度,递归深度为n,主要开销是栈空间开销。