leetcode-permutations and permutations II

本文深入解析了使用交换加深度优先遍历实现全排列算法的方法,并提供了处理重复元素的独特技巧。

求全排列

交换+深度优先遍历


Given a collection of numbers, return all possible permutations.

For example,
[1,2,3] have the following permutations:
[1,2,3], [1,3,2], [2,1,3], [2,3,1], [3,1,2], and [3,2,1].

思路

典型的递归问题。

  1. 生成[2, 3]的全排列[2, 3]和[3, 2],然后把1加上去生成[1, 2, 3]和[1, 3, 2]。
  2. 交换1和2的位置,生成[1, 3]的全排列[1, 3]和[3, 1],然后把2加上去生成[2, 1, 3]和[2, 3, 1]。
  3. 在第二步的基础上交换2和3的位置,生成[2, 1]的全排列[2, 1]和[1, 2],然后把3加上去生成[3, 2, 1]和[3, 1, 2]。
class Solution {
public:
    void internalPermute(vector<int> &num, int index, vector<int> &perm, vector<vector<int> > &result) {
        int size = num.size();
        
        if (size == index) {
            result.push_back(perm);
        }
        else {
            for (int i = index; i < size; ++i) {
                swap(num[index], num[i]);
                perm.push_back(num[index]);
                internalPermute(num, index + 1, perm, result);
                perm.pop_back();
                swap(num[index], num[i]);
            }
        }
    }
    
    vector<vector<int> > permute(vector<int> &num) {
        vector<vector<int> > result;
        vector<int> perm;
        
        internalPermute(num, 0, perm, result);
        
        return result;
    }
};

Given a collection of numbers that might contain duplicates, return all possible unique permutations.

For example,
[1,1,2] have the following unique permutations:
[1,1,2], [1,2,1], and [2,1,1].

思路

如果前面Permutations的问题已经解决了的话,这个问题就变得非常简单。先排个序,以[1, 1, 2]为例,第一个1处理过以后,第二个1就可以跳掉了。


class Solution {
public:
    void internalpermuteUnique(vector<int> &num, int index, vector<int> &perm, vector<vector<int> > &result) {
        int size = num.size();
        
        if (size == index) {
            result.push_back(perm);
        }
        else {
            for (int i = index; i < size; ++i) {
                if ((i > index) && (num[i] == num[index])) {
                  continue;
                }
                else {
                  swap(num[index], num[i]);
                }
                
                perm.push_back(num[index]);
                internalpermuteUnique(num, index + 1, perm, result);
                perm.pop_back();
            }
            
            sort(num.begin() + index, num.end());
        }
    }
    
    vector<vector<int> > permuteUnique(vector<int> &num) {
        vector<vector<int> > result;
        vector<int> perm;
        
        sort(num.begin(), num.end());
        internalpermuteUnique(num, 0, perm, result);
        
        return result;
    }
};

内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
你提供的代码是 **LeetCode 第46题:全排列(Permutations)** 的官方题解,使用 **回溯 + 交换法** 实现所有元素的全排列。该算法通过递归地交换数组中的元素,生成所有可能的排列组合。 --- ## ✅ 代码解析与完整 VS2022 可运行版本 以下是适合在 **Visual Studio 2022 (VS2022)** 中运行的完整代码版本,包含 `vector`、主函数和测试用例。 ```cpp #include <iostream> #include <vector> using namespace std; class Solution { public: void backtrack(vector<vector<int>>& res, vector<int>& output, int first, int len) { // 所有数都填完了 if (first == len) { res.emplace_back(output); return; } for (int i = first; i < len; ++i) { // 动态维护数组:交换当前元素和第一个未固定元素 swap(output[i], output[first]); // 继续递归填下一个数 backtrack(res, output, first + 1, len); // 撤销交换,恢复现场 swap(output[i], output[first]); } } vector<vector<int>> permute(vector<int>& nums) { vector<vector<int>> res; backtrack(res, nums, 0, (int)nums.size()); return res; } }; // 打印结果的辅助函数 void printResult(const vector<vector<int>>& result) { cout << "[\n"; for (const auto& permutation : result) { cout << " ["; for (size_t i = 0; i < permutation.size(); ++i) { cout << permutation[i]; if (i != permutation.size() - 1) cout << ", "; } cout << "]\n"; } cout << "]\n"; } // 主函数测试 int main() { Solution sol; vector<int> nums; // 测试用例 1 nums = {1, 2, 3}; cout << "输入数组: "; for (int num : nums) cout << num << " "; cout << "\n所有全排列为:\n"; printResult(sol.permute(nums)); cout << endl; // 测试用例 2 nums = {0, 1}; cout << "输入数组: "; for (int num : nums) cout << num << " "; cout << "\n所有全排列为:\n"; printResult(sol.permute(nums)); cout << endl; // 测试用例 3 nums = {1}; cout << "输入数组: "; for (int num : nums) cout << num << " "; cout << "\n所有全排列为:\n"; printResult(sol.permute(nums)); cout << endl; return 0; } ``` --- ## ✅ 示例输出 ``` 输入数组: 1 2 3 所有全排列为: [ [1, 2, 3] [1, 3, 2] [2, 1, 3] [2, 3, 1] [3, 2, 1] [3, 1, 2] ] 输入数组: 0 1 所有全排列为: [ [0, 1] [1, 0] ] 输入数组: 1 所有全排列为: [ [1] ] ``` --- ## ✅ 算法逻辑详解 ### ✅ 问题背景 给定一个不含重复数字的数组 `nums`,返回其所有可能的全排列。 ### ✅ 解法思路:回溯 + 交换法 #### 步骤: 1. **递归终止条件**: - `first == nums.size()`:所有元素都已确定位置,将当前排列加入结果集 2. **递归过程**: - 从 `first` 到 `nums.size() - 1` 遍历所有可能的起始元素 - 将当前元素 `nums[i]` 与 `nums[first]` 交换,表示固定当前元素到第一个位置 - 递归调用 `backtrack(..., first + 1)` 处理下一个位置 - 回溯:交换回来,恢复原数组状态,以便下一次尝试 #### 优点: - 不需要额外空间保存已使用元素,直接在原数组上操作 - 时间复杂度低,适合中等规模输入 --- ## ✅ 时间与空间复杂度 | 类型 | 复杂度 | 说明 | |------|--------|------| | 时间复杂度 | O(n × n!) | 共 `n!` 个排列,每个排列需要 O(n) 的时间生成 | | 空间复杂度 | O(n) | 递归栈深度为 `n` | --- ## ✅ 常见问题排查(VS2022) 1. **编译错误** - 确保包含 `<vector>` 和 `<iostream>` - 使用 `using namespace std;` 或加上 `std::` 前缀 2. **运行时错误** - 注意空数组处理 - 检查 `swap()` 是否越界 3. **逻辑错误** - 确保回溯后恢复数组状态 - 确保递归终止条件正确 --- ## ✅ 对比其他解法 | 解法 | 时间复杂度 | 空间复杂度 | 特点 | |------|------------|------------|------| | 回溯 + 交换法(当前方法) | O(n × n!) | O(n) | 无需额外空间,高效 | | 回溯 + 标记数组 | O(n × n!) | O(n) | 更直观,但需要额外数组 | | STL `next_permutation` | O(n × n!) | O(n) | 利用库函数,适合快速实现 | | 递归生成法(分治) | O(n × n!) | O(n) | 逻辑清晰,但代码略复杂 | ---
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
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