LeetCode 31 Next Permutation 解题记录

本文解析LeetCode第31题“下一个排列”的解题思路及Java实现。通过寻找递减子序列边界并交换元素,实现输入序列的下一个字典序排列。

刚入职不久,打算分门别类的刷一下LeetCode,于是首先从Array类的题目开始。今天做到一个题目,题号是31,原文题目如下:

Implement next permutation, which rearranges numbers into the lexicographically next greater permutation of numbers.

If such arrangement is not possible, it must rearrange it as the lowest possible order (ie, sorted in ascending order).

The replacement must be in-place, do not allocate extra memory.

Here are some examples. Inputs are in the left-hand column and its corresponding outputs are in the right-hand column.
1,2,3 → 1,3,2
3,2,1 → 1,2,3
1,1,5 → 1,5,1

刚开始连题目也没读懂,后来百度了一下,得知题目大意是:


写一个方法,实现输入排列的增大,即把输入排列增大到按字典序的下一个排列,若输入排列已经是最后一个排列,则将其升序排序。此外,题目要求不能分配额


外的空间,并给出了几个示例。


题中的permutation指的就是数学中的排列,举个栗子:

数字1,2,3的全排列依次是

1 2 3

1 3 2

2 1 3

2 3 1

3 1 2

3 2 1

结合题意,个人的理解是,“下一个排列”指的是在输入序列的全排列中,当前输入排列的下一个排列,也可将每一个排列看成一个数字,如1 2 3看成123,那么它的


下一个排列1 3 2就是132,132>123。


题目虽然弄懂了,但是想了一会也没有什么好的思路,看到nomasp博客上的思路,觉得很棒,于是想记录下来。


解题思路分析如下:


假设输入排列为 6 5 4 8 7 5 1


那么如何得到这个排列的下一个更大的排列呢,我们可以从排列的尾部开始看,如果交换1和5,得到的新排列是变小的,同样,任意交换7 5 1三个数字也不可能得


到比原排列更大的排列,更进一步,8 7 5 1的任意一个新排列也不会使原排列增大,那么我们可以发现,输入排列中的递减子排列对排列的增大是无用的。因此,如果


要使输入排列增大,我们必须找到增大的那个位置,即与输入排列从尾部开始扫描得到的递减子排列相邻的那个位置。这个位置就是与 8 7 5 1相邻的4,另外在8 7 5 1


四个数中比4大的数是5 7 8,因此4需要与5交换位置,即与比4大的所有数中的最小者交换位置,交换后得到:6 5 5 8 7 4 1,然后再对8 7 4 1做一个递增排序,就得到


了题目要求的排列。


Java实现的代码如下:

public static int[] nextPermutation(int[] nums) 
{
        int n = nums.length;
        if(nums ==null || n == 1)
        	return nums;
        int index = n-1;
        while(index >0&&nums[index] <= nums[index-1])
        {
        	--index;
        }
        if(index == 0)
        {
        	Arrays.sort(nums);
        	return nums;
        }
        int big = Integer.MAX_VALUE;
        int bigindex = 0;
        for(int i = n-1;i >= index-1;--i)
        {
        	if(nums[i] > nums[index-1])
        	{
        		if(nums[i] < big)
        		{
        			big = nums[i];
        			bigindex = i;
        		}
        	}
        }
        int temp;
        temp = nums[index-1];
        nums[index-1] = nums[bigindex];
        nums[bigindex] = temp;

        Arrays.sort(nums, index, n);//排序时包括index,不包括n
        return nums;
   }





代码转载自:https://pan.quark.cn/s/a4b39357ea24 本文重点阐述了利用 LabVIEW 软件构建的锁相放大器的设计方案及其具体实施流程,并探讨了该设备在声波相位差定位系统中的实际运用情况。 锁相放大器作为一项基础测量技术,其核心功能在于能够精确锁定微弱信号的频率参数并完成相关测量工作。 在采用 LabVIEW 软件开发的锁相放大器系统中,通过计算测量信号与两条参考信号之间的互相关函数,实现对微弱信号的频率锁定,同时输出被测信号的幅值信息。 虚拟仪器技术是一种基于计算机硬件平台的仪器系统,其显著特征在于用户可以根据实际需求自主设计仪器功能,配备虚拟化操作界面,并将测试功能完全由专用软件程序实现。 虚拟仪器系统的基本架构主要由计算机主机、专用软件程序以及硬件接口模块等核心部件构成。 虚拟仪器最突出的优势在于其功能完全取决于软件编程,用户可以根据具体应用场景灵活调整系统功能参数。 在基于 LabVIEW 软件开发的锁相放大器系统中,主要运用 LabVIEW 软件平台完成锁相放大器功能的整体设计。 LabVIEW 作为一个图形化编程环境,能够高效地完成虚拟仪器的开发工作。 借助 LabVIEW 软件,可以快速构建锁相放大器的用户操作界面,并且可以根据实际需求进行灵活调整和功能扩展。 锁相放大器系统的关键构成要素包括测量信号输入通道、参考信号输入通道、频率锁定处理单元以及信号幅值输出单元。 测量信号是系统需要检测的对象,参考信号则用于引导系统完成对测量信号的频率锁定。 频率锁定处理单元负责实现测量信号的锁定功能,信号幅值输出单元则负责输出被测信号的幅值大小。 在锁相放大器的实际实现过程中,系统采用了双路参考信号输入方案来锁定测量信号。 通过分析两路参考信号之间的相...
边缘计算环境中基于启发式算法的深度神经网络卸载策略(Matlab代码实现)内容概要:本文介绍了在边缘计算环境中,利用启发式算法实现深度神经网络任务卸载的策略,并提供了相应的Matlab代码实现。文章重点探讨了如何通过合理的任务划分与调度,将深度神经网络的计算任务高效地卸载到边缘服务器,从而降低终端设备的计算负担、减少延迟并提高整体系统效率。文中涵盖了问题建模、启发式算法设计(如贪心策略、遗传算法、粒子群优化等可能的候选方法)、性能评估指标(如能耗、延迟、资源利用率)以及仿真实验结果分析等内容,旨在为边缘智能计算中的模型推理优化提供可行的技术路径。; 适合人群:具备一定编程基础,熟悉Matlab工具,从事边缘计算、人工智能、物联网或智能系统优化方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究深度神经网络在资源受限设备上的部署与优化;②探索边缘计算环境下的任务卸载机制与算法设计;③通过Matlab仿真验证不同启发式算法在实际场景中的性能表现,优化系统延迟与能耗。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注算法实现细节与仿真参数设置,同时可尝试复现并对比不同启发式算法的效果,以深入理解边缘计算中DNN卸载的核心挑战与解决方案。
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