【面试经典 150 | 回溯】全排列

写在前面

本专栏专注于分析与讲解【面试经典150】算法,两到三天更新一篇文章,欢迎催更……

专栏内容以分析题目为主,并附带一些对于本题涉及到的数据结构等内容进行回顾与总结,文章结构大致如下,部分内容会有增删:

  • Tag:介绍本题牵涉到的知识点、数据结构;
  • 题目来源:贴上题目的链接,方便大家查找题目并完成练习;
  • 题目解读:复述题目(确保自己真的理解题目意思),并强调一些题目重点信息;
  • 解题思路:介绍一些解题思路,每种解题思路包括思路讲解、实现代码以及复杂度分析;
  • 知识回忆:针对今天介绍的题目中的重点内容、数据结构进行回顾总结。

Tag

【回溯】【全排列】


题目来源

46. 全排列


解题思路

方法一:回溯

思路

全排列中的元素是有顺序的,[1,2,3] 和 [3,2,1] 在组合中是属于同一个组合的,但是在排列中是属于不同排列的。

设数组 n u m s nums nums 的长度为 n n n,全排列问题就是使用 n u m s nums nums 中的 n n n个数字将这 n n n 个位置填满。

利用回溯思想枚举所有全排列。使用递归实现,递归出口为已经找到了长度为 n 的全排列。

枚举所有可以用到的数,如果当前这个数没有被使用过,则可以用在当前这个位置,然后递归选择下一个数,记得先要标记当前数已经被使用了。当使用完这个数后记得恢复现场,一边回溯使用这个数。

代码

class Solution {
private:
    vector<vector<int>> res;
    vector<int> tmp;
    vector<int> isVisted;

    void dfs(vector<int>& nums, int idx) {
        if (idx == 0) {
            res.push_back(tmp);
            return;
        }

        for (int i = 0; i < nums.size(); ++i) {
            if (!isVisted[i]) {
                isVisted[i] = 1;
                tmp.push_back(nums[i]);
                dfs(nums, idx - 1);
                tmp.pop_back();
                isVisted[i] = 0;
            }
        }
    }

public:
    vector<vector<int>> permute(vector<int>& nums) {
        int n = nums.size();
        isVisted.resize(n);
        dfs(nums, n);
        return res;
    }
};

复杂度分析

时间复杂度: O ( n ⋅ n ! ) O(n \cdot n!) O(nn!)分析

空间复杂度: O ( n ) O(n) O(n)


写在最后

如果您发现文章有任何错误或者对文章有任何疑问,欢迎私信博主或者在评论区指出 💬💬💬。

如果大家有更优的时间、空间复杂度的方法,欢迎评论区交流。

最后,感谢您的阅读,如果有所收获的话可以给我点一个 👍 哦。

  • 15
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
回溯算法是一种穷举搜索方法,通过逐步构建解决方案并撤销选择来找到所有可能的解决方案。在使用回溯算法时,我们需要考虑三个问题:可选列表、已选列表和结束条件。可选列表是指所有可以选择的元素,已选列表是指已经做出的选择,而结束条件是指已选列表满足题目条件时可以结束穷举。 下面是一个Python实现的回溯算法框架: ``` def backtrack(选择列表, 路径): if 终止条件: 存放结果 return for 选择 in 选择列表(本层集合中元素): 处理节点 backtrack(选择列表, 路径) 回溯,撤销处理结果 ``` 对于全排列问题,我们可以使用回溯算法来生成所有可能的排列。以下是一个使用回溯算法生成全排列的Python代码示例: ```python def permute(nums): def backtrack(first=0): if first == n: res.append(nums[:]) for i in range(first, n): nums[first], nums[i = nums[i], nums[first] backtrack(first + 1) nums[first], nums[i = nums[i], nums[first] n = len(nums) res = [] backtrack() return res ``` 这段代码中,我们定义了一个回溯函数`backtrack`,它用于递归地生成所有可能的排列。在每个递归步骤中,我们将当前位置的元素与后面的元素进行交换,然后递归地生成下一个位置的排列。当所有位置都填满时,我们将当前排列加入结果列表。 你可以使用这个函数来生成给定列表的全排列。例如,对于输入``,该函数将返回`[[1, 2, 3], [1, 3, 2], [2, 1, 3], [2, 3, 1], [3, 2, 1], [3, 1, 2]]`作为结果。 请注意,这只是回溯算法的一种实现方式,可能还有其他方法来解决全排列问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [python 回溯法生成全排列](https://blog.csdn.net/weixin_55617081/article/details/125809941)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [Python每日一练-----全排列回溯思想)](https://blog.csdn.net/m0_61791601/article/details/123971263)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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

打赏作者

wang_nn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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