python next permutation_算法-为什么Python的itertools.permutations包含重复项？ （当原始列表重复时）...

我接受Gareth Rees的回答是最吸引人的解释(缺少Python库设计者的回答)，也就是说，Python的next_permutation不会比较元素的值。 想一想，这就是问题的所在，但是我现在看到如何将其视为优势，这取决于人们通常使用next_permutation的用途。

为了完整起见，我比较了生成所有不同排列的三种方法。 方法1在内存和时间上效率都很低，但需要最少的新代码，方法是包装Python的next_permutation，如zeekay的回答。 方法2是此博客文章中C ++ next_permutation的基于生成器的版本。 我写的方法3更接近C ++的next_permutation算法； 它就地修改了列表(我没有做得太笼统)。

def next_permutationS(l):

n = len(l)

#Step 1: Find tail

last = n-1 #tail is from `last` to end

while last>0:

if l[last-1] < l[last]: break

last -= 1

#Step 2: Increase the number just before tail

if last>0:

small = l[last-1]

big = n-1

while l[big] <= small: big -= 1

l[last-1], l[big] = l[big], small

#Step 3: Reverse tail

i = last

j = n-1

while i < j:

l[i], l[j] = l[j], l[i]

i += 1

j -= 1

return last>0

这是一些结果。 我现在更加尊重Python的内置函数：当元素全部(或几乎全部)不同时，它的速度是其他方法的三到四倍。 当然，当有很多重复的元素时，使用它是一个糟糕的主意。

Some results ("us" means microseconds):

l m_itertoolsp m_nextperm_b m_nextperm_s

[1, 1, 2] 5.98 us 12.3 us 7.54 us

[1, 2, 3, 4, 5, 6] 0.63 ms 2.69 ms 1.77 ms

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 6.93 s 13.68 s 8.75 s

[1, 2, 3, 4, 6, 6, 6] 3.12 ms 3.34 ms 2.19 ms

[1, 2, 2, 2, 2, 3, 3, 3, 3, 3] 2400 ms 5.87 ms 3.63 ms

[1, 1, 1, 1, 1, 1, 1, 1, 1, 2] 2320000 us 89.9 us 51.5 us

[1, 1, 2, 2, 3, 3, 4, 4, 4, 4, 4, 4] 429000 ms 361 ms 228 ms

如果有人想探索，请在这里找到代码。