浅显易懂的理解-递归求全排列 递归法求全排列
ztj100 2024-12-20 19:51 27 浏览 0 评论
提起递归,大多数人都会头疼,其实写递归代码的关键就是找到递推公式,然后再推敲终止条件,最后将递推公式和终止条件翻译成代码。 只要遇到递归,我们就把它抽象成一个递推公式,千万不要想一层层的调用关系,不要试图用人脑去分解递归的每个步骤,否则会越陷越深,越来越蒙,那咱们用求全排列还理解递归。
假设有 {1, 2, 3, ... n} 这样一个序列,现在要找出这个序列的全排列,第一位有 n 种可能性,确定了第一位后就是求解剩下 n - 1 个数据的排列问题,这样就可以往下一直分解问题,直到序列结尾处,也就是终止条件。这样递推公式就可以表示成:
f(1, 2, ... n) = {第一位是 1, f(n-1)} + {第一位是 2, f(n-1)} +...+{第一位是 n, f(n-1)}
数组 {1, 2, 3, 4},第一位有 4 种可能性:
1, 2, 3, 4
2, 1, 3, 4
3, 2, 1, 4
4, 2, 3, 1
就是将第一位和后面的数依次交换 :
public class PermutationAdvanced {
public static void main(String[] args) {
int[] a = {1, 2, 3, 4};
allPermutation(a, 0,a.length - 1);
}
private static void allPermutation(int[] a, int cursor, int k) {
for (int i = cursor; i <= k; i++) {
swap(a, cursor, i);
System.out.println(Arrays.toString(a));
// 保证交换之前的序列还是 {1, 2, 3, 4},所以还得交换回来
swap(a, cursor, i);
}
}
private static void swap(int[] a, int cursor, int i) {
int temp = a[cursor];
a[cursor] = a[i];
a[i] = temp;
}
}
第一个元素的代码抽象出来了,然后加入递归,剩下的 n - 1 或 n - 2 或 n - 3… 排列情况和第一位是一样的。
public class PermutationAdvanced {
public static void main(String[] args) {
int[] a = {1, 2, 3};
allPermutation(a, 0, a.length - 1);
}
private static void allPermutation(int[] a, int cursor, int k) {
// 递归终止条件
// 已经到序列结尾了
if (cursor == k) {
System.out.println(Arrays.toString(a));
}
for (int i = cursor; i <= k; i++) {
swap(a, cursor, i);
allPermutation(a, cursor + 1, k);
// 保证交换之前的序列还是 {1, 2, 3, 4}
swap(a, cursor, i);
}
}
private static void swap(int[] a, int cursor, int i) {
int temp = a[cursor];
a[cursor] = a[i];
a[i] = temp;
}
}
这样是不是好理解了一点呢:)
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)