hello-algo/ru/docs/chapter_backtracking/permutations_problem.md

Задача о перестановках

Задача о перестановках является типичным применением алгоритма поиска с возвратом. Ее определение состоит в том, чтобы для данного множества элементов (например, массива или строки) найти все возможные перестановки этих элементов.

В таблице ниже приведено несколько примеров входных массивов и соответствующих им перестановок.

Таблица   Примеры перестановок

Входной массив	Все перестановки
[1]	[1]
[1, 2]	[1, 2], [2, 1]
[1, 2, 3]	[1, 2, 3], [1, 3, 2], [2, 1, 3], [2, 3, 1], [3, 1, 2], [3, 2, 1]

Случай без равных элементов

!!! question

Дан массив целых чисел, в котором нет повторяющихся элементов. Верните все возможные перестановки.

С точки зрения поиска с возвратом процесс построения перестановок можно представить как результат последовательности выборов. Пусть входной массив равен [1, 2, 3]. Если мы сначала выберем 1 , затем 3 , а потом 2 , то получим перестановку [1, 3, 2] . Откат здесь означает отмену одного из выборов с последующей попыткой других вариантов.

С точки зрения кода поиска с возвратом множество кандидатов choices состоит из всех элементов входного массива, а состояние state - из элементов, уже выбранных к текущему моменту. Поскольку каждый элемент разрешено выбирать только один раз, все элементы в state должны быть уникальны.

Как показано на рисунке ниже, процесс поиска можно развернуть в дерево рекурсии, где каждый узел представляет текущее состояние state . Начиная от корня, после трех раундов выбора мы попадаем в листья, и каждый лист соответствует одной перестановке.

Обрезка повторного выбора

Чтобы гарантировать, что каждый элемент выбирается только один раз, введем булев массив selected , где selected[i] обозначает, был ли уже выбран choices[i] , и на его основе выполним следующую обрезку.

• После того как сделан выбор choice[i] , мы присваиваем selected[i] значение \text{True} , тем самым отмечая, что этот элемент уже выбран.
• При обходе списка вариантов choices пропускаем все уже выбранные элементы, то есть выполняем обрезку.

Как показано на рисунке ниже, если в первом раунде мы выберем 1 , во втором - 3 , а в третьем - 2 , то во втором раунде нужно отсечь ветвь элемента 1 , а в третьем - ветви элементов 1 и 3 .

Как видно на рисунке выше, такая обрезка уменьшает размер пространства поиска с O(n^n) до O(n!) .

Реализация кода

После прояснения всей логики можно просто «заполнить пропуски» в шаблоне поиска с возвратом. Чтобы сократить общий объем кода, мы не будем отдельно реализовывать каждую функцию из каркаса, а раскроем их прямо внутри backtrack() :

[file]{permutations_i}-[class]{}-[func]{permutations_i}

Учет равных элементов

!!! question

Дан массив целых чисел, **который может содержать повторяющиеся элементы**. Верните все неповторяющиеся перестановки.

Пусть входной массив равен [1, 1, 2] . Чтобы различать два одинаковых элемента 1 , будем обозначать второй из них как \hat{1} .

Как показано на рисунке ниже, описанный выше метод создаст результат, половина которого окажется дублирующейся.

Как же убрать повторяющиеся перестановки? Самый прямолинейный способ - воспользоваться хеш-множеством и удалить дубликаты уже после генерации результата. Но это не слишком изящно, потому что ветви поиска, порождающие дубликаты, вообще не нужно посещать: их следует распознавать заранее и отсекать, что дополнительно повышает эффективность алгоритма.

Обрезка равных элементов

Как видно на рисунке ниже, в первом раунде выбрать 1 или выбрать \hat{1} - это одно и то же, а значит, все перестановки, полученные из этих двух выборов, будут дублироваться. Поэтому ветвь \hat{1} нужно отсечь.

Точно так же, если в первом раунде выбрать 2 , то во втором раунде выборы 1 и \hat{1} снова создадут дублирующиеся ветви, поэтому и в этом случае ветвь \hat{1} нужно отсечь.

Иначе говоря, наша цель заключается в том, чтобы на каждом раунде выбора каждый из нескольких равных элементов выбирался только один раз.

Реализация кода

На основе решения из предыдущей задачи можно на каждом раунде выбора заводить хеш-множество duplicated , которое будет записывать элементы, уже встречавшиеся в этом раунде, и отсекать повторы:

[file]{permutations_ii}-[class]{}-[func]{permutations_ii}

Если предположить, что все элементы попарно различны, то из n элементов можно получить n! перестановок. При записи результата требуется копировать список длины n , что занимает O(n) времени. Следовательно, временная сложность равна $O(n!n)$ .

Максимальная глубина рекурсии равна n , что требует O(n) стековой памяти. Массив selected занимает O(n) пространства. Одновременно может существовать до n хеш-множеств duplicated , что дает O(n^2) памяти. Следовательно, пространственная сложность равна $O(n^2)$ .

Сравнение двух видов обрезки

Обратите внимание: хотя и selected , и duplicated используются для обрезки, их цели различаются.

• Обрезка повторного выбора: во всем процессе поиска существует только один selected . Он записывает, какие элементы уже входят в текущее состояние, и нужен для того, чтобы один и тот же элемент не появлялся в state дважды.
• Обрезка равных элементов: каждый раунд выбора (каждый вызов backtrack) содержит собственный duplicated . Он записывает, какие элементы уже выбирались в текущем раунде (for цикле), и нужен для того, чтобы равные элементы выбирались только один раз.

На рисунке ниже показана область действия двух условий обрезки. Помните, что каждый узел дерева соответствует одному выбору, а путь от корня до листа образует одну перестановку.