求全排列

Tags: 算法

1. 描述

给定一个数组a, 下标从0开始,a中的元素不重复, 求a中元素的全排列。

2. 解法

解法一:

该算法基于公式: Ann=C1n.An1n1,即求n个元素的全排列时可以先从n个元素集合中选出1个放在第一个位置,再对其余n - 1个元素做全排列。

#include<iostream>

using namespace std;

void doPerm(int a[], int start, int n) {
    if (start == n) {
        for (int i = 0; i < n; ++i)
            cout<<a[i]<<" ";
        cout<<endl;
    } else {
        for (int j = start; j < n; ++j) {
            swap(a[start], a[j]);
            doPerm(a, start + 1, n);
            swap(a[start], a[j]);
        }
    }
}

inline void perm(int a[], int n) {
    doPerm1(a, 0, n);
}

n等于3时,算法的求解过程可用下图表示,其中同一父节点下的一层代表一轮for循环(代码第11~15行)的执行。
perm1

不考虑输出,其时间复杂度主要在于perm的调用次数或第11行for循环的执行次数,即图中所有结点的次数为 1 + n + n * (n - 1) + … + n * (n - 1) * (n - 2) * … * 1 + n * (n - 1) * (n - 2) * … * 1, 即复杂度为O(n!)。

解法二:

穷举待输出集合b的每一个位置i,该位置未填元素(b[i]等于0),向一个集合中补给一个元素,此例子为先选a集合中下标大的元素,当集合b需要的元素个数为0时,输出该集合。

#include<cstring>
#include<iostream>

using namespace std;

void doPerm(int a[], int n, int cur, int b[]) {
    if (cur == 0) {
        for (int i = 0; i < n; ++i)
            cout<<b[i]<<" ";
        cout<<endl;
    } else {
        for (int j = 0; j < n; ++j) {
            if (b[j] == 0) {
                b[j] = a[cur - 1];
                doPerm(a, n, cur - 1, b);
                b[j] = 0;
            }
        }
    }
}

inline void perm(int a[], int n) {
    int* b = new int[n];
    memset(b, 0, n * sizeof(int));
    doPerm(a, n, n, b);
}

求解过程如下图所示, 由于每次向b中添加一个元素都会穷举一次,所以忽略输出的话,算法执行消耗主要在第12行for循环的执行次数上,n等于3时,算法的求解过程可用下图表示,其中同一父节点下的一层代表一轮for循环(代码第11~15行)的执行。

perm2

不考虑输出,其时间复杂度主要在于perm的调用次数或第11行for循环的执行次数,即为 1 * n + n + n * (n - 1) * n + … + n * (n - 1) * (n - 2) * … * 1 * n, 其执行次数显然多余解法一的执行次数。

### 使用 DFS 实现全排列算法 全排列问题是经典的组合数学问题之一,通常可以通过深度优先搜索 (DFS) 来解决。以下是基于引用中的描述和代码示例构建的一个完整的解决方案。 #### 算法思路 通过递归的方式逐步构造每一个可能的排列。为了防止重复访问同一个元素,在遍历过程中引入一个布尔数组 `on_path` 或者类似的标记机制来记录当前路径上已经使用的元素[^1]。当路径长度等于输入列表的长度时,表示找到了一个新的排列,将其加入结果集中[^2]。 #### Python 示例代码 下面是一个标准的实现方式: ```python class Solution: def permute(self, nums: list[int]) -> list[list[int]]: result = [] # 定义辅助函数用于递归调用 def dfs(path, on_path): if len(path) == len(nums): # 边界条件:如果当前路径已达到最大长度,则保存该路径 result.append(path[:]) return for i in range(len(nums)): # 遍历所有可选节点 if not on_path[i]: # 如果未被访问过则继续处理 on_path[i] = True # 标记为已访问 path.append(nums[i]) # 加入当前路径 dfs(path, on_path) # 进一步探索下一层级 path.pop() # 回溯:移除最后一个元素恢复原始状态 on_path[i] = False # 解锁以便后续其他分支可以再次使用 initial_on_path = [False] * len(nums) dfs([], initial_on_path) return result ``` 此版本解决了之前提到因缺少传递新副本而导致的问题,并且保持了清晰易懂结构化设计。 另外针对含有重复项情况下的去重需求也有相应调整方案给出作为补充说明[^3]: ```python def permuteUnique(self, nums: List[int]) -> List[List[int]]: nums.sort() res = [] def backtrack(path=[], used=[False]*len(nums)): if len(path)==len(nums): res.append(list(path)) return seen=set() for idx,num in enumerate(nums): if used[idx]: continue elif num in seen: continue else: seen.add(num) used[idx]=True path.append(num) backtrack(path,used) path.pop() used[idx]=False backtrack() return res ``` 上述两段程序分别展示了基础版无重复元素情形以及考虑到了可能存在相同数值情况下如何有效去除冗余解集的方法。 最后值得注意的是无论哪种形式都需要遵循一定框架模式即定义好终止条件之后逐一尝试可行选项直至完成整个树形图枚举过程同时记得适时撤销先前所做的更改以允许别的可能性得以展开探讨[^4][^5]。
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