递增子序列
链接: 递增子序列
给你一个整数数组 nums ,找出并返回所有该数组中不同的递增子序列,递增子序列中 至少有两个元素 。你可以按 任意顺序 返回答案。
数组中可能含有重复元素,如出现两个整数相等,也可以视作递增序列的一种特殊情况。
示例 1:
输入:nums = [4,6,7,7]
输出:[[4,6],[4,6,7],[4,6,7,7],[4,7],[4,7,7],[6,7],[6,7,7],[7,7]]
示例 2:
输入:nums = [4,4,3,2,1]
输出:[[4,4]]
思路
只不过这里又有一个额外的条件:组合中所有元素都必须是递增顺序。我们只需要添加一个 track.getLast() > nums[i] 条件即可。
另外,一文秒杀所有排列组合子集问题 中是利用排序的方式防止重复使用相同元素的,但这道题不能改变 nums 的原始顺序,所以不能用排序的方式,而是用 used 集合来避免重复使用相同元素。
综上,只要把 40. 组合总和 II 的解法稍改一下即可完成这道题。
解题方法
看代码即可
复杂度
- 时间复杂度:O(n * 2^n)
- 空间复杂度:O(n)
Code
class Solution {
public:
vector<vector<int>> findSubsequences(vector<int>& nums) {
if (nums.empty()) {
return res;
}
backtrack(nums, 0);
return res;
}
private:
vector<vector<int>> res;
// 记录回溯的路径
deque<int> track;
// 回溯算法主函数
void backtrack(vector<int>& nums, int start) {
if (track.size() >= 2) {
// 找到一个合法答案
res.push_back(vector<int>(track.begin(), track.end()));
}
// 用哈希集合防止重复选择相同元素
unordered_set<int> used;
// 回溯算法标准框架
for (int i = start; i < nums.size(); i++) {
// 保证集合中元素都是递增顺序
if (!track.empty() && track.back() > nums[i]) {
continue;
}
// 保证不要重复使用相同的元素
if (used.count(nums[i])) {
continue;
}
// 选择 nums[i]
used.insert(nums[i]);
track.push_back(nums[i]);
// 递归遍历下一层回溯树
backtrack(nums, i + 1);
// 撤销选择 nums[i]
track.pop_back();
}
}
};
全排列
链接: 全排列
思路
还是用回溯暴力
解题方法
看代码即可
复杂度
- 时间复杂度:O(n!)
- 空间复杂度:O(n)
Code
class Solution {
public:
vector<vector<int>> res;
/* 主函数,输入一组不重复的数字,返回它们的全排列 */
vector<vector<int>> permute(vector<int>& nums) {
// 记录「路径」
deque<int> track;
// 「路径」中的元素会被标记为 true,避免重复使用
vector<bool> used(nums.size(), false);
backtrack(nums, track, used);
return res;
}
// 路径:记录在 track 中
// 选择列表:nums 中不存在于 track 的那些元素(used[i] 为 false)
// 结束条件:nums 中的元素全都在 track 中出现
void backtrack(vector<int>& nums, deque<int>& track, vector<bool>& used) {
// 触发结束条件
if (track.size() == nums.size()) {
res.push_back(vector<int>(track.begin(), track.end()));
return;
}
for (int i = 0; i < nums.size(); i++) {
// 排除不合法的选择
if (used[i]) {
// nums[i] 已经在 track 中,跳过
continue;
}
// 做选择
track.push_back(nums[i]);
used[i] = true;
// 进入下一层决策树
backtrack(nums, track, used);
// 取消选择
track.pop_back();
used[i] = false;
}
}
};
全排列 II
链接: 全排列 II
给定一个可包含重复数字的序列 nums ,按任意顺序 返回所有不重复的全排列。
示例 1:
输入:nums = [1,1,2]
输出:
[[1,1,2],
[1,2,1],
[2,1,1]]
示例 2:
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]]
思路
对比一下之前的标准全排列解法代码,这段解法代码只有两处不同:
1、对 nums 进行了排序。
2、添加了一句额外的剪枝逻辑。
类比输入包含重复元素的子集/组合问题,你大概应该理解这么做是为了防止出现重复结果。
但是注意排列问题的剪枝逻辑,和子集/组合问题的剪枝逻辑略有不同:新增了 !used[i - 1] 的逻辑判断。
显然,这个结果存在重复,比如 [1,2,2’] 和 [1,2’,2] 应该只被算作同一个排列,但被算作了两个不同的排列。
所以现在的关键在于,如何设计剪枝逻辑,把这种重复去除掉?
答案是,保证相同元素在排列中的相对位置保持不变。
比如说 nums = [1,2,2’] 这个例子,我保持排列中 2 一直在 2’ 前面。
这样的话,你从上面 6 个排列中只能挑出 3 个排列符合这个条件
这也就是正确答案。
进一步,如果 nums = [1,2,2’,2’‘],我只要保证重复元素 2 的相对位置固定,比如说 2 -> 2’ -> 2’',也可以得到无重复的全排列结果。
仔细思考,应该很容易明白其中的原理:
标准全排列算法之所以出现重复,是因为把相同元素形成的排列序列视为不同的序列,但实际上它们应该是相同的;而如果固定相同元素形成的序列顺序,当然就避免了重复。
当出现重复元素时,比如输入 nums = [1,2,2’,2’‘],2’ 只有在 2 已经被使用的情况下才会被选择,同理,2’’ 只有在 2’ 已经被使用的情况下才会被选择,这就保证了相同元素在排列中的相对位置保证固定。
这里拓展一下,如果你把上述剪枝逻辑中的 !used[i - 1] 改成 used[i - 1],其实也可以通过所有测试用例,但效率会有所下降,这是为什么呢?
之所以这样修改不会产生错误,是因为这种写法相当于维护了 2’’ -> 2’ -> 2 的相对顺序,最终也可以实现去重的效果。
但为什么这样写效率会下降呢?因为这个写法剪掉的树枝不够多。
解题方法
看代码
复杂度
- 时间复杂度:O(n! * n)
- 空间复杂度:O(n)
Code
// An highlighted block
var foo = 'bar';