代码随想录算法训练营day29| 491 递增子序列 | 46 全排列 | 47 全排列Ⅱ

491.递增子序列

力扣题目链接

给定一个整型数组, 你的任务是找到所有该数组的递增子序列，递增子序列的长度至少是2。

示例:

• 输入: [4, 6, 7, 7]
• 输出: [[4, 6], [4, 7], [4, 6, 7], [4, 6, 7, 7], [6, 7], [6, 7, 7], [7,7], [4,7,7]]

说明:

• 给定数组的长度不会超过15。

• 数组中的整数范围是 [-100,100]。

• 给定数组中可能包含重复数字，相等的数字应该被视为递增的一种情况。

• 思路

本题求自增子序列，是不能对原数组进行排序的，排完序的数组都是自增子序列了。

所以不能使用之前的去重逻辑！

本题给出的示例，还是一个有序数组 [4, 6, 7, 7]，这更容易误导大家按照排序的思路去做了。

为了有鲜明的对比，我用[4, 7, 6, 7]这个数组来举例，抽象为树形结构如图：

• 回溯三部曲

• 递归函数参数

本题求子序列，很明显一个元素不能重复使用，所以需要startIndex，调整下一层递归的起始位置。

代码如下：

List<List<Integer>> res=new ArrayList<>();
LinkedList<Integer> path=new LinkedList<>();
void backtracking(int[] nums, int startIndex)

• 终止条件

要遍历树形结构找每一个节点,可以不加终止条件，startIndex每次都会加1，并不会无限递归，但本题收集结果有所不同，题目要求递增子序列大小至少为2，所以代码如下：

if(path.size()>1){
    res.add(new ArrayList(path)); // 注意这里不要加return，因为要取树上的所有节点
}

• 单层搜索逻辑

在图中可以看出，同一父节点下的同层上使用过的元素就不能再使用了

那么单层搜索代码如下：

HashSet<Integer> hs=new HashSet<>(); // 使用set来对本层元素进行去重
for(int i=startIndex;i<nums.length;i++){
   if(!path.isEmpty()&&nums[i]<path.get(path.size()-1)||hs.contains(nums[i])){
      continue;
   }
   hs.add(nums[i]); // 记录这个元素在本层用过了，本层后面不能再用了
   path.add(nums[i]);
   backtracking(nums,i+1);
   path.removeLast();
}

对于已经习惯写回溯的同学，看到递归函数上面的hs.add(nums[i]);，下面却没有对应的pop之类的操作，应该很不习惯吧，哈哈

这也是需要注意的点，HashSet hs; 是记录本层元素是否重复使用，新的一层uset都会重新定义（清空），所以要知道uset只负责本层！

最后整体C++代码如下：

class Solution {
    List<List<Integer>> res=new ArrayList<>();
    LinkedList<Integer> path=new LinkedList<>();
    public List<List<Integer>> findSubsequences(int[] nums) {
        backtracking(nums,0);
        return res;

    }
    public void backtracking(int[] nums,int startIndex){
        if(path.size()>1){
            res.add(new ArrayList(path));
        }
        HashSet<Integer> hs=new HashSet<>();
        for(int i=startIndex;i<nums.length;i++){
            if(!path.isEmpty()&&nums[i]<path.get(path.size()-1)||hs.contains(nums[i])){
                continue;
            }
            hs.add(nums[i]);
            path.add(nums[i]);
            backtracking(nums,i+1);
            path.removeLast();

        }
    }
}

• 时间复杂度: O(n * 2^n)

• 空间复杂度: O(n)

• 优化

以上代码用我用了unordered_set<int>来记录本层元素是否重复使用。

其实用数组来做哈希，效率就高了很多。

注意题目中说了，数值范围[-100,100]，所以完全可以用数组来做哈希。

程序运行的时候对unordered_set 频繁的insert，unordered_set需要做哈希映射（也就是把key通过hash function映射为唯一的哈希值）相对费时间，而且每次重新定义set，insert的时候其底层的符号表也要做相应的扩充，也是费事的。

那么优化后的代码如下：

class Solution {
    private List<Integer> path = new ArrayList<>();
    private List<List<Integer>> res = new ArrayList<>();
    public List<List<Integer>> findSubsequences(int[] nums) {
        backtracking(nums,0);
        return res;
    }

    private void backtracking (int[] nums, int start) {
        if (path.size() > 1) {
            res.add(new ArrayList<>(path));
        }

        int[] used = new int[201];// 这里使用数组来进行去重操作，题目说数值范围[-100, 100]
        for (int i = start; i < nums.length; i++) {
            if (!path.isEmpty() && nums[i] < path.get(path.size() - 1) || (used[nums[i] + 100] == 1)) continue;
            used[nums[i] + 100] = 1;// 记录这个元素在本层用过了，本层后面不能再用了
            path.add(nums[i]);
            backtracking(nums, i + 1);
            path.remove(path.size() - 1);
        }
    }
}

这份代码在leetcode上提交，要比版本一耗时要好的多。

**所以正如在哈希表：总结篇！（每逢总结必经典）**中说的那样，数组，set，map都可以做哈希表，而且数组干的活，map和set都能干，但如果数值范围小的话能用数组尽量用数组

46.全排列

力扣题目链接

给定一个 没有重复 数字的序列，返回其所有可能的全排列。

示例:

• 输入: [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

我以[1,2,3]为例，抽象成树形结构如下：

• 回溯三部曲

• 递归函数参数

首先排列是有序的，也就是说 [1,2] 和 [2,1] 是两个集合，这和之前分析的子集以及组合所不同的地方。

可以看出元素1在[1,2]中已经使用过了，但是在[2,1]中还要在使用一次1，所以处理排列问题就不用使用startIndex了。

但排列问题需要一个used数组，标记已经选择的元素，如图橘黄色部分所示:

代码如下：

List<List<Integer>> res=new ArrayList<>();
LinkedList<Integer> path=new LinkedList<>();
void backtracking (int[] nums, boolean[] used)

• 递归终止条件

可以看出叶子节点，就是收割结果的地方。

那么什么时候，算是到达叶子节点呢？

当收集元素的数组path的大小达到和nums数组一样大的时候，说明找到了一个全排列，也表示到达了叶子节点。

代码如下：

// 此时说明找到了一组
if(path.size()==nums.length){
     res.add(new ArrayList(path));
     return;
}

• 单层搜索的逻辑

因为排列问题，每次都要从头开始搜索，例如元素1在[1,2]中已经使用过了，但是在[2,1]中还要再使用一次1。

而used数组，其实就是记录此时path里都有哪些元素使用了，一个排列里一个元素只能使用一次。

代码如下：

for(int i=0;i<nums.length;i++){
   if(used[i]){
       continue;
    }
    used[i]=true;
    path.add(nums[i]);
    backtracking(nums );
    path.removeLast();
    used[i]=false;
}

整体代码如下：

class Solution {
    List<List<Integer>> res=new ArrayList<>();
    LinkedList<Integer> path=new LinkedList<>();
    boolean[] used;
    public List<List<Integer>> permute(int[] nums) {
        used=new boolean[nums.length];
        backtracking(nums);
        return res;

    }
    public void backtracking(int[] nums){
        if(path.size()==nums.length){
            res.add(new ArrayList(path));
            return;
        }
        for(int i=0;i<nums.length;i++){
            if(used[i]){
                continue;
            }
            used[i]=true;
            path.add(nums[i]);
            backtracking(nums );
            path.removeLast();
            used[i]=false;
        }
    }
}

• 时间复杂度: O(n!)

• 空间复杂度: O(n)

• 总结

大家此时可以感受出排列问题的不同：

• 每层都是从0开始搜索而不是startIndex
• 需要used数组记录path里都放了哪些元素了

排列问题是回溯算法解决的经典题目，大家可以好好体会体会。

47.全排列 II

力扣题目链接

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]]

提示：

• 1 <= nums.length <= 8

• -10 <= nums[i] <= 10

• 思路

区别在与给定一个可包含重复数字的序列，要返回所有不重复的全排列。

那么排列问题其实也是一样的套路。

还要强调的是去重一定要对元素进行排序，这样我们才方便通过相邻的节点来判断是否重复使用了。

我以示例中的 [1,1,2]为例 （为了方便举例，已经排序）抽象为一棵树，去重过程如图：

图中我们对同一树层，前一位（也就是nums[i-1]）如果使用过，那么就进行去重。

一般来说：组合问题和排列问题是在树形结构的叶子节点上收集结果，而子集问题就是取树上所有节点的结果。

class Solution {
    List<List<Integer>> res=new ArrayList<>();
    LinkedList<Integer> path=new LinkedList<>();
    boolean[] used;
    public List<List<Integer>> permuteUnique(int[] nums) {
        boolean[] used = new boolean[nums.length];
        Arrays.fill(used, false);
        Arrays.sort(nums); // 排序
        backtracking(nums,used);
        return res;

    }
    public void backtracking(int[] nums,boolean[] used){
        // 此时说明找到了一组
        if(path.size()==nums.length){
            res.add(new ArrayList(path));
            return;
        }
        for(int i=0;i<nums.length;i++){
   // used[i - 1] == true，说明同一树枝nums[i - 1]使用过
   // used[i - 1] == false，说明同一树层nums[i - 1]使用过
  // 如果同一树层nums[i - 1]使用过则直接跳过
            if(i>0&&nums[i]==nums[i-1]&&used[i-1]==false){
                continue;
            }
            if(used[i]==false){
               used[i]=true;
               path.add(nums[i]);
               backtracking(nums,used);
               path.removeLast();
               used[i]=false;
            }
            
        }
    }
}

// 时间复杂度: 最差情况所有元素都是唯一的。复杂度和全排列1都是 O(n! * n) 对于 n 个元素一共有 n! 中排列方案。而对于每一个答案，我们需要 O(n) 去复制最终放到 result 数组
// 空间复杂度: O(n) 回溯树的深度取决于我们有多少个元素

• 时间复杂度: O(n! * n)

• 空间复杂度: O(n)

• 拓展

大家发现，去重最为关键的代码为：

if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == false) {
    continue;
}

如果改成 used[i - 1] == true， 也是正确的!，去重代码如下：

if (i > 0 && nums[i] == nums[i - 1] && used[i - 1] == true) {
    continue;
}

这是为什么呢，就是上面我刚说的，如果要对树层中前一位去重，就用used[i - 1] == false，如果要对树枝前一位去重用used[i - 1] == true。

对于排列问题，树层上去重和树枝上去重，都是可以的，但是树层上去重效率更高！

这么说是不是有点抽象？

来来来，我就用输入: [1,1,1] 来举一个例子。

树层上去重(used[i - 1] == false)，的树形结构如下：

树枝上去重（used[i - 1] == true）的树型结构如下：

大家应该很清晰的看到，树层上对前一位去重非常彻底，效率很高，树枝上对前一位去重虽然最后可以得到答案，但是做了很多无用搜索。