【leetcode】46. (Medium )Permutations

本文深入解析全排列算法,通过递归方法实现数组中不重复数字的全排列组合。从单个数字开始,逐步增加,展示如何在已有的子全排列中插入新数字,形成完整的全排列集合。

题目链接


解题思路:
这道题的意思就是给你一组数,其中的数字都不一样,然后求这些数字所有的全排列组合。

比较简单的思路是:
1.首先如果数组中只有一个数比如2,那就只返回这个数构成的全排列;

2.如果有两个数比如1,2那先求2全排列,可以得到[[2]],
然后在这些子全排列(这里就只有一个)的中间插入1,得到[1][2]和[2][1];

3.如果有三个数比如1,2,3,那就先求2、3能构成的所有子全排列,再在这些子全排列中插入1,
这里2,3能构成的全排列为[2][3]和[3][2],
先在[2][3]中插入1,可以得到[1][2][3]、[2][1][3]、[2][3][1],
然后在第二个全排列中插入1,可以得到[1][3][2],[3][1][2],[3][2][1]

可以从上面的过程看出这是一个递归的过程,要求n个数的所有全排列,首先利用这个函数本身求得n-1个数所有子全排列组合,然后在每个子全排列中插入剩下的一个数字,就可以得到这n个数的所有全排列了。

提交代码:

class Solution{
	 public List<List<Integer>> permute(int[] nums) {
		 //return current permutation
		 List<List<Integer>> lists=new ArrayList<List<Integer>>();
	    	if(nums==null||nums.length==0)	return lists;
	    	if(nums.length==1) {
	    		List<Integer> list=new ArrayList<Integer>();
	    		list.add(nums[0]);
	    		lists.add(list);
	    		return lists;
	    	}
	    	
	    	int basenums[]=new int[nums.length-1];
	    	for(int i=0,j=1;j<nums.length;)
	    		basenums[i++]=nums[j++];

	    	List<List<Integer>> baselists=permute(basenums);
	    	int prelistslen=baselists.size();
	    	for(int listcnt=0;listcnt<prelistslen;listcnt++) {
	    		List<Integer> baselist=new ArrayList<Integer>();
	    		baselist=baselists.get(listcnt);
	    		
	    		int listsize=baselist.size();
	    		for(int i=0;i<=listsize;i++) {
	    			List<Integer> list=new ArrayList<Integer>();
	    			
	    			for(int j=0;j<baselist.size();j++)
	    			list.add(baselist.get(j));
	    
	    			list.add(i, nums[0]);
	    			lists.add(list);
	    		}	   			    		
	    	}
	    	return lists;
	 }	
}

运行结果:
在这里插入图片描述

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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