解题思路:
对于一个长度为 $n$ 的数组(假设元素互不重复),其排列方案数共有:
$$ n \times (n-1) \times (n-2) … \times 2 \times 1 $$
排列方案的生成:
根据数组排列的特点,考虑深度优先搜索所有排列方案。即通过元素交换,先固定第 $1$ 位元素( $n$ 种情况)、再固定第 $2$ 位元素( $n-1$ 种情况)、... 、最后固定第 $n$ 位元素( $1$ 种情况)。
递归解析:
- 终止条件: 当
x = len(nums) - 1
时,代表所有位已固定(最后一位只有 $1$ 种情况),则将当前组合nums
转化为数组并加入res
,并返回。 - 递推参数: 当前固定位
x
。 - 递推工作: 将第
x
位元素与i
$\in$[x, len(nums)]
元素分别交换,并进入下层递归。- 固定元素: 将元素
nums[i]
和nums[x]
交换,即固定nums[i]
为当前位元素。 - 开启下层递归: 调用
dfs(x + 1)
,即开始固定第x + 1
个元素。 - 还原交换: 将元素
nums[i]
和nums[x]
交换(还原之前的交换)。
- 固定元素: 将元素
下图中
list
对应文中的列表nums
,"abc"
对应123
。
<,,,,,,,,,,,,,,,>
代码:
Python
class Solution:
def permute(self, nums: List[int]) -> List[List[int]]:
def dfs(x):
if x == len(nums) - 1:
res.append(list(nums)) # 添加排列方案
return
for i in range(x, len(nums)):
nums[i], nums[x] = nums[x], nums[i] # 交换,将 nums[i] 固定在第 x 位
dfs(x + 1) # 开启固定第 x + 1 位元素
nums[i], nums[x] = nums[x], nums[i] # 恢复交换
res = []
dfs(0)
return res
Java
class Solution {
List<Integer> nums;
List<List<Integer>> res;
void swap(int a, int b) {
int tmp = nums.get(a);
nums.set(a, nums.get(b));
nums.set(b, tmp);
}
void dfs(int x) {
if (x == nums.size() - 1) {
res.add(new ArrayList<>(nums)); // 添加排列方案
return;
}
for (int i = x; i < nums.size(); i++) {
swap(i, x); // 交换,将 nums[i] 固定在第 x 位
dfs(x + 1); // 开启固定第 x + 1 位元素
swap(i, x); // 恢复交换
}
}
public List<List<Integer>> permute(int[] nums) {
this.res = new ArrayList<>();
this.nums = new ArrayList<>();
for (int num : nums) {
this.nums.add(num);
}
dfs(0);
return res;
}
}
C++
class Solution {
public:
vector<vector<int>> permute(vector<int>& nums) {
dfs(nums, 0);
return res;
}
private:
vector<vector<int>> res;
void dfs(vector<int> nums, int x) {
if (x == nums.size() - 1) {
res.push_back(nums); // 添加排列方案
return;
}
for (int i = x; i < nums.size(); i++) {
swap(nums[i], nums[x]); // 交换,将 nums[i] 固定在第 x 位
dfs(nums, x + 1); // 开启固定第 x + 1 位元素
swap(nums[i], nums[x]); // 恢复交换
}
}
};
复杂度分析:
- 时间复杂度 $O(N!N)$ : $N$ 为数组
nums
的长度;时间复杂度和数组排列的方案数成线性关系,方案数为 $N \times (N-1) \times (N-2) … \times 2 \times 1$ ,即复杂度为 $O(N!)$ ;数组拼接操作join()
使用 $O(N)$ ;因此总体时间复杂度为 $O(N!N)$ 。 - 空间复杂度 $O(N)$ : 全排列的递归深度为 $N$ ,系统累计使用栈空间大小为 $O(N)$ 。