前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >全排列的两种实现方式(java)-poj2718

全排列的两种实现方式(java)-poj2718

作者头像
bigsai
发布2019-09-24 11:46:30
1.6K0
发布2019-09-24 11:46:30
举报
文章被收录于专栏:bigsai

以前遇到的全排列,清一色的dfs回溯,自己知道时间复杂度挺高的,最近遇到poj2718认真总结了下全排列。

全排列:给定几个数,要求找出所有的排列方式。

法一:dfs回溯法:

  • 思路:回溯法的核心思路就是模拟过程,其实它相对简单因为你往往不需要考虑它的下一步是什么,你只需关注如果操作这些数。你往往可能不在意数的规则规律但是也能搞出来。
  • 举个例子。有1,2,3,4,5五个数需要全排列。我用回溯法的话我可以用附加的数组,或者list,boolean数组等添加和删除模拟的数据。
  • 比如第一次你可以循环将第一个赋值(1-5),在赋值每个数的时候标记那些用过,那些还能用的数据,执行dfs一直到底层。然后dfs执行完要将数据复原。比如标记的数据进行取消标记等等。

详细代码为

代码语言:javascript
复制
import java.util.Scanner;

public class quanpailie1 {
	public static void main(String[] args) {
				Scanner sc=new Scanner(System.in);
				String s[]=sc.nextLine().split(" ");
				int a[]=new int[s.length];
				for(int i=0;i<s.length;i++)
				{
					a[i]=Integer.parseInt(s[i]);
				}
				int b[]=new int[a.length];
				boolean b1[]=new boolean[a.length];//判断是否被用
				long startTime = System.currentTimeMillis();
				dfs(b1,a,b,0);
				long endTime = System.currentTimeMillis();
				System.out.println("运行时间:" + (endTime - startTime) + "ms");
			}

			private static void dfs(boolean[] b1, int[] a, int b[], int index) {
				// TODO Auto-generated method stub
				int len=a.length;
				if(index==a.length)//停止
				{
					if(b[0]==0) {}
					else {
						for(int j:b)
						{
							System.out.print(j+"  ");
						}
						System.out.println();
					}				
				}
				else 
				for(int i=0;i<len;i++)
				{
					if(!b1[i]) {
						b[index]=a[i];
						b1[i]=true;//下层不能在用
						dfs(b1, a, b,index+1);
						b1[i]=false;//还原
						
					}
				}
				
			}
}

输出打印结果为:

输入: 1 2 3 4 1 2 3 4 1 2 4 3 1 3 2 4 1 3 4 2 1 4 2 3 1 4 3 2 2 1 3 4 2 1 4 3 2 3 1 4 2 3 4 1 2 4 1 3 2 4 3 1 3 1 2 4 3 1 4 2 3 2 1 4 3 2 4 1 3 4 1 2 3 4 2 1 4 1 2 3 4 1 3 2 4 2 1 3 4 2 3 1 4 3 1 2 4 3 2 1 运行时间:2ms

法二:递归法

上述方法虽然能够实现全排列,但是方法的复杂度还是很高。指数级别增长。因为要遍历很多没用的情况。所以当数据较大并不能高速处理。所以换一种思路处理。 设[a,b,c,d]为abcd的全排列 那么,该全排列就是 [1,2,3,4](四个数的全排列)=

  • 1 [2,3,4](1开头[2,3,4]的全排列)=
    • 1 4 3 [2]=1 4 3 2
    • 1 4 2 [3]=1 4 2 3
    • 1 3 2 [4]=1 3 2 4
    • 1 3 4 [2]=1 3 4 2
    • 1 2 3 [4] =1 2 3 4(1 2 3 开头的[4]全排列)
    • 1 2 4 [3]=1 2 3 4
    • 1 2 [3,4] (1,2开头的[3,4]全排列)
    • 1 3 [2,4]
    • 1 4 [3,2]
  • 2 [1,3,4]=
    • 2 4 3 [1]=2 4 3 1
    • 2 4 1 [3]=2 4 1 3
    • 2 3 1 [4]=2 3 1 4
    • 2 3 4 [1]=2 3 4 1
    • 2 1 3 [4]=2 1 3 4
    • 2 1 4 [3]=2 1 4 3
    • 2 1 [3,4]
    • 2 3 [1,4]
    • 2 4 [3,1]
  • 3 [2,1,4]=(略)
    • 3 2 [1,4]
    • 3 1 [2,4]
    • 3 4 [3,2]
  • 4 [2,3,1]=(略)
    • 4 2 [3,1]
    • 4 3 [2,1]
    • 4 1 [3,2]

对于全排列递归的模式为:(和dfs很像)

  • isstop?: 判断递归终止
    • before recursive()
    • recursive()
    • after recursive()
    • stop
    • do not stop:

根据上面的数据找点规律吧:

  1. 上面是递归没毛病。整个全排列就是子排列递归到最后遍历的所有情况
  2. 千万别被用回溯的获得全排列的数据影响。博主之前卡了很久一直想着从回溯到得到的数据中找到递归的关系,结果写着写着就写崩了。
  3. 递归的数据有规律。它只关注位置而不关注数据的大小排列。意思是说你不需要纠结每一种排列的初始态是啥。你只要关注他有那些数就行,举个例子,出台为1 [2,3,4]和1 [4,3,2]的效果一样,你需要关注的是1这个部分。1这个部分处理好递归自然会处理好子节点的关系。
  4. 对于同一层级 比如1[],2[],3[],4[],例如1,2,3,4而言,每一层如下的步骤,可以保证同层数据可靠,并且底层按照如下思路也是正确的。
    • 1,2,3,4—>swap(0,0)—>1 [2 3 4] (子递归不用管)—>swap(0,0)—>1,2,3,4
    • 1,2,3,4—>swap(0,1)—>2 [1 3 4] (子递归不用管)—>swap(0,1)—>1,2,3,4
    • 1,2,3,4—>swap(0,2)—>3 [2 1 4] (子递归不用管)—>swap(0,1)—>1,2,3,4
    • 1,2,3,4—>swap(0,3)—>4 [2 3 1] (子递归不用管)—>swap(0,1)—>1,2,3,4
  5. 所以整个全排列函数大致为:
    • swap(start,i)//i是从该层后面所有可能的全部要选一次排列到该层
    • recursive(start+1)//该层确定,进入下一层子递归
    • swap(start,i)//因为不能影响同层之间数据,要保证数据都是初始话 具体代码为:
    • 停止
    • 不停止: -for(i from start to end)
代码语言:javascript
复制
import java.util.Scanner;
public class quanpailie2 {

	public static void main(String[] args) {
		// TODO Auto-generated method stub

		Scanner sc = new Scanner(System.in);
		String s[] = sc.nextLine().split(" ");
		int a[] = new int[s.length];
		for (int i = 0; i < s.length; i++) {
			a[i] = Integer.parseInt(s[i]);
		}
		long startTime = System.currentTimeMillis();
		arrange(a, 0, a.length - 1);
		long endTime = System.currentTimeMillis();
		System.out.println("运行时间:" + (endTime - startTime) + "ms");
	}
	static void arrange(int a[], int start, int end) {

		if (start == end) {		
			for (int i : a) {
				System.out.print(i);
			}
			System.out.println();
			return;
		}
		for (int i = start; i <= end; i++) {
			swap(a, i, start);
			arrange(a, start + 1, end);
			swap(a, i, start);
		}
	}

	static void swap(int arr[], int i, int j) {
		int te = arr[i];
		arr[i] = arr[j];
		arr[j] = te;
	}
}

输入输出结果为:

1 2 3 4 1234 1243 1324 1342 1432 1423 2134 2143 2314 2341 2431 2413 3214 3241 3124 3142 3412 3421 4231 4213 4321 4312 4132 4123 运行时间:1ms

你可以发现两者采用的规则不同,输出的数据到后面是不一样的。但是你可能还没体验到大数据对程序运行的影响。我把输出的结果注释掉。用0 1 2 3 4 5 6 7 8 9进行全排序:

对于全排列,建议能采用递归还是递归。因为递归没有额外数组开销。并且计算的每一次都有用。而回溯会有很多无用计算。数只越大越明显。

poj2718

题意就是给几个不重复的数字,让你找出其中所有排列方式中组成的两个数的差值最小。除了大小为0否则0不做开头。

思路:全排列所有情况。最小的一定是该全排列从中间分成2半的数组差。要注意的就是0的处理,不日3个长度的0开头/其他长度的0开头等等。还有的人采用贪心剪枝。个人感觉数据并没有那么有规律贪心不一定好处理,但是你可以适当剪枝减少时间也是可以的。比如根据两个数据的首位 相应剪枝。但这题全排列就可以过。

还有一点就是:数据加减乘除转换,能用int就别用String,string转起来很慢会超时。

附上ac代码,代码可能并不漂亮,前面的介绍也可能有疏漏,还请大佬指出!

代码语言:javascript
复制
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.io.OutputStreamWriter;
import java.io.PrintWriter;

public class poj2718 {

	static int min = Integer.MAX_VALUE;
	static int mid = 0;

	public static void main(String[] args) throws IOException {
		// TODO Auto-generated method stub

		BufferedReader in = new BufferedReader(new InputStreamReader(System.in));
		PrintWriter out = new PrintWriter(new OutputStreamWriter(System.out));
		int t = Integer.parseInt(in.readLine());
		for (int q = 0; q < t; q++) {
			String s[] = in.readLine().split(" ");
			int a[] = new int[s.length];
			for (int i = 0; i < s.length; i++) {
				a[i] = Integer.parseInt(s[i]);
			}
			min = Integer.MAX_VALUE;
			mid = (a.length) / 2;
			arrange(a, 0, a.length - 1);
			out.println(min);
			out.flush();
		}
	}
	static void arrange(int a[], int start, int end) {

		if (start == end) {
//			for(int i:a)
//			{
//				System.out.print(i);
//			}
//			System.out.println();

			if ((a[0] == 0 && mid == 1) || (a[mid] == 0 && a.length - mid == 0) || (a[0] != 0 && a[mid] != 0)) {
				int va1 = 0;
				int va2 = 0;
				for (int i = 0; i < mid; i++) {
					va1 = va1 * 10 + a[i];
				}
				for (int i = mid; i < a.length; i++) {
					va2 = va2 * 10 + a[i];
				}
				min = min < Math.abs(va1 - va2) ? min : Math.abs(va1 - va2);
			}
			return;
		}
		for (int i = start; i <= end; i++) {
			swap(a, start, i);
			arrange(a, start + 1, end);
			swap(a, start, i);
		}
	}

	static void swap(int arr[], int i, int j) {
		int te = arr[i];
		arr[i] = arr[j];
		arr[j] = te;
	}
}

dfs回溯法github链接https://github.com/javasmall/oj-problem-java/blob/master/%E6%A8%A1%E6%9D%BF/src/%E5%85%A8%E6%8E%92%E5%88%97/quanpailie1.java

递归法全排列github链接 https://github.com/javasmall/oj-problem-java/blob/master/%E6%A8%A1%E6%9D%BF/src/%E5%85%A8%E6%8E%92%E5%88%97/quanpailie2.java

poj2718代码github链接 https://github.com/javasmall/oj-problem-java/blob/master/poj/src/%E6%90%9C%E7%B4%A2/poj2718.java

如有错误还请大佬指正。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 bigsai 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 法一:dfs回溯法:
  • 法二:递归法
  • poj2718
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档