【LeetCode - Java】46. 全排列(中等)

1. 题目描述

在这里插入图片描述

2. 解题思路

对于此类排列组合的问题,我们其实是可以找到一定规律的,下面来观察一下:

  • 数组是 [1],结果是 [[1]]
  • 数组是 [1,2],结果是 [[1,2],[2,1]]
  • 数组是 [1,2,3],结果是 [[1,2,3],[1,3,2],[3,1,2],[2,1,3],[2,3,1],[3,1,2]]

有没有发现什么规律?数组 [1,2] 比数组 [1] 多了一个2,那么答案就是在 [1] 的左边或者右边插入一个2;数组 [1,2,3] 比数组 [1,2] 多了一个3,那么答案就是在 [1,2]或[2,1] 的左边或者右边或者中间插入一个3。换言之,假如我们想要求数组 [a,b,c,…,x] 的答案,我们是可以从数组 [a] 开始,到数组 [a,b] ,到数组 [a,b,c] …一步一步插入新的元素构建最终的答案。

除了找规律以外还有什么解法吗?假如你做过【LeetCode - Java】17. 电话号码的字母组合(中等)【LeetCode - Java】22. 括号生成(中等)这类型字符串生成的题目,你应该就可以想到DFS回溯,这里需要使用两个表来维护候选数与候选答案。下面这样一棵树的叶子节点路径就是我们所需要的答案了。
在这里插入图片描述

3. 代码实现

3.1 模拟插入法

public List<List<Integer>> permute(int[] nums) {
        ArrayList<List<Integer>> lists = new ArrayList<>();
        lists.add(Arrays.asList(nums[0]));
        int length = 1;
        for (int i = 1; i < nums.length; i++) {
            int count = 0;
            for (int j = 0; j < length; j++) {
                List<Integer> remove = lists.remove(0);
                for (int k = 0; k < i + 1; k++) {
                    ArrayList<Integer> temp = new ArrayList<>(remove);
                    temp.add(k, nums[i]);
                    lists.add(temp);
                    count++;
                }
            }
            length = count;
        }
        return lists;
    }

在这里插入图片描述

3.2 DFS回溯

ArrayList<List<Integer>> lists = new ArrayList<>();
    ArrayList<Integer> numList = new ArrayList<>();
    ArrayList<Integer> ansList = new ArrayList<>();
    int length;

    public List<List<Integer>> permute(int[] nums) {
        length = nums.length;
        for (int num : nums) {
            numList.add(num);
        }
        build(0);
        return lists;
    }

    public void build(int index) {
        if (numList.isEmpty()) {
            lists.add(new ArrayList<>(ansList));
            return;
        }
        for (int i = 0; i < length-index; i++) {
            ansList.add(numList.remove(0));
            build(index + 1);
            numList.add(ansList.remove(index));
        }
    }

在这里插入图片描述

3.3 对比

模拟插入和DFS回溯的时间复杂度都是O(n * n!),其中第一个n代表的是外层大循环,对模拟插入而言则是代表现在应该插入下标为i(i<n)的数(也可以理解为现在待插入的答案长度为i),对DFS回溯而言代表着现在候选答案中第一个数是下标为i(i<n)的数;而 n! 代表长度为 i 的全排列有多少个(n个数的全排列个数就是n!),在模拟插入中是以两层循环呈现,在DFS回溯中则是以栈的深度与栈的回溯呈现。

模拟插入中构建了1!+2!+…+n-1!过程答案,因此其空间复杂度也是O(n * n!);在DFS回溯中使用了两个表来维护候选数与候选答案,其长度都是n,一共2n,除此以外还有用于递归的栈,深度为n,加起来一共为3n,因此其空间复杂度是O(n)
在这里插入图片描述
最后要提醒一下,在使用ArrayList.add()的时候,假如你add的对象是一个list,一定要记得这是一个地址!是一个地址!是一个地址! 假如你在add之后又对那个list操作了,其状态会同步,想要不变必须要new一个List出来再add!!!切记!!!排bug的教训!!!

错误做法:

ArrayList<List<Integer>> lists = new ArrayList<>();
ArrayList<Integer> ansList = new ArrayList<>();
ansList.add(1);
ansList.add(2);
lists.add(ansList);
ansList.add(3);
System.out.println(lists);
/* 输出为[[1,2,3]] */

正确做法:

ArrayList<List<Integer>> lists = new ArrayList<>();
ArrayList<Integer> ansList = new ArrayList<>();
ansList.add(1);
ansList.add(2);
lists.add(new ArrayList<>(ansList));
ansList.add(3);
System.out.println(lists);
/* 输出为[[1,2]] */
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 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》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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