Next Permutation

本文介绍了一个在原地修改数组,使其变为字典序下一个更大排列的算法。通过寻找递增子序列,交换元素并逆序子数组,实现了高效的空间复杂度为O(1)的解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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

又一道permutation的题目,题目要求inplace,所以很明显,类似于permutation那种全部求出结果再查找的方法肯定不行,只有真正找到词典序的规律。记得之前组合数学课上曾经学过这种,当时怎么都没想明白书中给的方法,没想到这题结合举例分析,竟然想出了和书中方法完全一样的解法,甚为开心呐~

总体思路如下:

1.从前向后找一个严格递增的子序列,将递增子序列的最后一个i记为up。

2.因为up及之后的数字组成了一个非递增序列,所以改变后面的数字排序不能得到下一个更大的数字。所以需要修改的是up-1这个位上的数,即nums[up:]中比nums[up-1]大的最小值,也即将其修改为nums[up:]中最后一个比其大的数字,(因为是非递增序列)。找到这个index,交换nums[index],nums[up-1]

3.将nums[up:]逆序,其实是做一次升序排序,但是考虑交换nums[index],nums[up-1]后,nums[up:]依然为非递增序列,所以只要reverse就可以。

举个例子,7 2 5 3 3 1。先找到 up为2,则nums[up-1]为2,nums[up:] 中比2大的最小值为3,注意是取最后一个3,方便第3步直接reverse,获得增序排序。

交换数字之后成为 7 3 5 3 2 1,然后对5321做一个逆序,获得最终的排序为7 3 1 2 3 5。

可以看到最多扫描三次, up 为0时,直接reverse,扫描两次。空间复杂度为O(1),代码如下:

class Solution(object):
    def nextPermutation(self, nums):
        """
        :type nums: List[int]
        :rtype: void Do not return anything, modify nums in-place instead.
        """
        up = 0
        for i in xrange(1,len(nums)):
            if nums[i] > nums[i-1]:
                up = i
        if up == 0:
            nums.reverse()
        else:
            index = up
            for i in xrange(up,len(nums)):
               if nums[i] >  nums[up-1]:
                   index = i
            nums[up-1], nums[index] = nums[index], nums[up-1]
            for i in xrange((len(nums) - up)/2):
                nums[up + i], nums[len(nums)-1-i] = nums[len(nums)-1-i], nums[up+i]

 

转载于:https://www.cnblogs.com/sherylwang/p/5568452.html

内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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