python 3种算法 回溯法、字典序生成、递归交换 实现全排列【力扣46题】

简介: python 3种算法 回溯法、字典序生成、递归交换 实现全排列【力扣46题】

作者介绍:10年大厂数据\经营分析经验,现任大厂数据部门负责人。

会一些的技术:数据分析、算法、SQL、大数据相关、python

欢迎加入社区:码上找工作

作者专栏每日更新:

LeetCode解锁1000题: 打怪升级之旅

python数据分析可视化:企业实战案例

备注说明:方便大家阅读,统一使用python,带必要注释,公众号 数据分析螺丝钉 一起打怪升级

题目描述

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。你可以以任意顺序返回答案。

输入格式
  • nums:一个整数数组。
输出格式
  • 返回一个列表,包含所有可能的排列。
示例
示例 1
输入: nums = [1,2,3]
输出: [[1,2,3], [1,3,2], [2,1,3], [2,3,1], [3,1,2], [3,2,1]]
示例 2
输入: nums = [0,1]
输出: [[0,1], [1,0]]

方法一:回溯算法

解题步骤
  1. 初始化:创建一个空列表 res 来存储所有排列结果。
  2. 递归函数:编写一个递归函数,使用当前序列 path 和选择列表 nums 来生成排列。
  3. 结束条件:如果 path 的长度等于 nums 的长度,则将 path 添加到结果列表 res 中。
  4. 循环选择:遍历 nums 中的每个数字,如果数字未被选择,则加入到 path,并继续递归,最后撤销选择。
完整代码
def permute(nums):
    """
    使用回溯算法生成数组的全排列
    :param nums: List[int], 输入的整数数组
    :return: List[List[int]], 所有可能的全排列
    """
    def backtrack(path, options):
        # 如果当前路径的长度等于输入数组的长度,说明找到了一种排列
        if len(path) == len(nums):
            res.append(path[:])
            return
        
        # 遍历当前可选择的数字
        for i in range(len(options)):
            # 选择当前数字
            path.append(options[i])
            # 继续递归填下一个数
            backtrack(path, options[:i] + options[i+1:])
            # 撤销选择
            path.pop()
    res = []
    backtrack([], nums)
    return res
# 示例调用
print(permute([1, 2, 3]))  # 输出: [[1, 2, 3], [1, 3, 2], ..., [3, 2, 1]]
算法分析
  • 时间复杂度:(O(n! \times n)),生成所有排列需要 (n!) 次调用,每次调用处理列表需要 (O(n)) 时间。
  • 空间复杂度:(O(n)),递归深度为 (n),使用了额外的空间存储当前排列。

方法二:字典序生成算法

解题步骤
  1. 排序:先将数组排序。
  2. 查找:从右向左查找第一个升序的相邻元素对 (i, j),即 nums[i] < nums[j]
  3. 交换与反转:如果找到,再从右向左查找第一个大于 nums[i] 的元素 nums[k],交换 nums[i]nums[k],然后反转 i+1 到末尾的元素。
  4. 重复:重复以上步骤直到完全逆序。
完整代码
def permute(nums):
    """
    使用字典序算法生成数组的全排列
    :param nums: List[int], 输入的整数数组
    :return: List[List[int]], 所有可能的全排列
    """
    def next_permutation(perm):
        # 找到升序的边界
        i = len(perm) - 2
        while i >= 0 and perm[i] >= perm[i + 1]:
            i -= 1
        if i == -1:
            return False
        
        # 找到需要交换的位置
        j = len(perm) - 1        while perm[j] <= perm[i]:
            j -= 1
        perm[i], perm[j] = perm[j], perm[i]
        
        # 反转i后面的部分
        perm[i + 1:] = perm[i + 1:][::-1]
        return True
    
    nums.sort()
    res = [nums[:]]
    while next_permutation(nums):
        res.append(nums[:])
    return res
# 示例调用
print(permute([1, 2, 3]))  # 输出: [[1, 2, 3], [1, 3, 2], ..., [3, 2, 1]]
算法分析
  • 时间复杂度:(O(n! ✖️ n)),尽管每次生成下一个排列只需要 (O(n)) 时间,但总共有 (n!) 个排列。
  • 空间复杂度:(O(1)),除了输出数组外,空间使用是常数。

方法三:递归交换

解题步骤
  1. 递归函数定义:定义一个递归函数,使用当前索引 start 来处理排列。
  2. 递归终止条件:如果 start 等于数组长度,记录当前排列。
  3. 递归交换:从 start 开始,将每个元素交换到 start 位置,然后递归处理 start + 1
完整代码
def permute(nums):
    """
    使用递归交换方法生成数组的全排列
    :param nums: List[int], 输入的整数数组
    :return: List[List[int]], 所有可能的全排列
    """
    def backtrack(start):
        if start == len(nums):
            res.append(nums[:])
            return
        for i in range(start, len(nums)):
            nums[start], nums[i] = nums[i], nums[start]
            backtrack(start + 1)
            nums[start], nums[i] = nums[i], nums[start]
    res = []
    backtrack(0)
    return res
# 示例调用
print(permute([1, 2, 3]))  # 输出: [[1, 2, 3], [1, 3, 2], ..., [3, 2, 1]]
算法分析
  • 时间复杂度:(O(n! ✖️ n)),需要进行 (n!) 次调用,每次调用中进行的操作与 (n) 成正比。
  • 空间复杂度:(O(n)),递归深度最大为 (n),使用了额外的空间存储当前排列状态。

总结

为了直观地比较解决LeetCode题目46 "全排列"的三种方法,下面的表格将展示它们在不同技术维度的性能和特点,包括时间复杂度、空间复杂度以及各自的优势和劣势。

特征 方法一:回溯算法 方法二:字典序算法 方法三:递归交换法
时间复杂度 (O(n! \times n)) (O(n! \times n)) (O(n! \times n))
空间复杂度 (O(n)) (O(1)) (O(n))
优势 - 灵活且直观
- 易于实现和理解
- 非递归,避免栈溢出
- 效率高于普通回溯
- 实现简单
- 直接在输入数组上操作
劣势 - 空间消耗较大
- 深度递归可能导致栈溢出
- 实现复杂度较高
- 不如回溯直观
- 多次交换操作复杂
- 递归依旧可能栈溢出
适用场景 - 需要所有可能解时
- 教学和基础算法学习
- 需要按字典顺序生成全排列
- 大规模数据处理
- 内存使用敏感
- 喜欢简洁代码风格

综合分析

方法一(回溯算法)

  • 回溯算法是解决排列、组合问题的经典方法,非常直观,可以灵活地处理各种约束条件。其主要缺点是在深度递归时可能会消耗较多内存,特别是在解空间非常大时。

方法二(字典序算法)

  • 字典序算法提供了一种非递归的解决方案,能够有效地按照字典顺序生成下一个排列,适用于需要顺序输出或者大数据量的问题。然而,这种方法在实现上较为复杂,可能不太直观。

方法三(递归交换法)

  • 递归交换法通过直接在输入数组上进行操作,避免了额外的空间使用,简化了代码的复杂性。但与回溯类似,它的缺点是递归深度大时仍可能导致栈溢出问题,且多次交换操作可能相对复杂。

在选择合适的方法时,可以根据具体问题的需求、可用资源以及开发时间来做决策。例如,对于教学或基础学习,推荐使用回溯算法;对于工业级应用,考虑字典序算法;而对于内存敏感或喜欢简洁代码的场景,递归交换法可能是一个好选择。


欢迎关注微信公众号 数据分析螺丝钉

相关文章
|
8天前
|
存储 SQL 算法
LeetCode力扣第114题:多种算法实现 将二叉树展开为链表
LeetCode力扣第114题:多种算法实现 将二叉树展开为链表
|
4天前
|
存储 算法 调度
力扣中级算法(Python)
力扣中级算法(Python)
|
4天前
|
算法 Python
力扣初级算法(Python)(二)
力扣初级算法(Python)(二)
|
4天前
|
算法 Python
力扣初级算法(Python)(一)
力扣初级算法(Python)(一)
|
4天前
|
机器学习/深度学习 传感器 算法
基于Mediapipe深度学习算法的手势识别系统【含python源码+PyqtUI界面+原理详解】-python手势识别 深度学习实战项目
基于Mediapipe深度学习算法的手势识别系统【含python源码+PyqtUI界面+原理详解】-python手势识别 深度学习实战项目
|
5天前
|
算法
【经典LeetCode算法题目专栏分类】【第11期】递归问题:字母大小写全排列、括号生成
【经典LeetCode算法题目专栏分类】【第11期】递归问题:字母大小写全排列、括号生成
|
5天前
|
算法 数据可视化 Python
【KMeans】Python实现KMeans算法及其可视化
【KMeans】Python实现KMeans算法及其可视化
|
5天前
|
搜索推荐 算法 UED
基于Python的推荐系统算法实现与评估
本文介绍了推荐系统的基本概念和主流算法,包括基于内容的推荐、协同过滤以及混合推荐。通过Python代码示例展示了如何实现基于内容的推荐和简化版用户-用户协同过滤,并讨论了推荐系统性能评估指标,如预测精度和覆盖率。文章强调推荐系统设计的迭代优化过程,指出实际应用中需考虑数据稀疏性、冷启动等问题。【6月更文挑战第11天】
|
6天前
|
存储 算法 数据可视化
算法金 | D3blocks,一个超酷的 Python 库
D3Blocks是一个基于d3.js的Python图形库,用于创建吸引人的数据可视化图表,如D3graph、Elasticgraph和Sankey图。拥有超过470个Star,其特点包括简易性、功能丰富、易用性、可定制性和及时更新。通过pip安装后,用户能轻松创建粒子图和其他图表。文中展示了实战应用,如能源数据集的网络图,通过调整节点和边的属性实现个性化展示。关注作者,享受智能乐趣。
42 8
算法金 | D3blocks,一个超酷的 Python 库
|
8天前
|
存储 算法 数据可视化
力扣156题最全解法:如何上下翻转二叉树(递归与迭代方法详解,附图解)
力扣156题最全解法:如何上下翻转二叉树(递归与迭代方法详解,附图解)

热门文章

最新文章