news 2026/6/10 16:55:43

算法详解:整数数组的下一个排列——从思路到实现(力扣第31题思路)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
算法详解:整数数组的下一个排列——从思路到实现(力扣第31题思路)

在算法学习中,字典序相关的问题常常考验我们对“有序性”的理解,而“整数数组的下一个排列”就是这类问题中的经典代表。它不仅要求我们找到符合规则的排列,还对空间复杂度提出了严格限制——必须原地修改且仅用常数额外空间。今天,我们就从题目本质出发,一步步拆解思路,最终实现高效解决方案。

一、题目解读:什么是“下一个排列”?

首先要明确核心概念:数组的“下一个排列”是指其字典序更大的排列。如果把数组的所有排列按字典序从小到大排序,下一个排列就是当前排列的“后继”;若当前排列已是最大(如[3,2,1]),则需返回字典序最小的排列(即升序排列[1,2,3])。

举几个例子帮助理解:

  • 输入[1,2,3],下一个排列是[1,3,2](字典序稍大);

  • 输入[2,3,1],下一个排列是[3,1,2](突破原有前缀,构建更大组合);

  • 输入[3,2,1],无更大排列,返回[1,2,3]。

题目关键约束:原地修改(不能新建数组)、常数空间(额外变量个数固定,与数组长度无关),这是我们设计算法的核心限制。

二、核心思路:从“降序”中找突破口

字典序的核心是“前缀相同,后续更大”。如果数组从后往前是升序的,说明这部分元素已无法通过调整得到更大排列;只有当出现“降序断点”时,才存在调整的可能。基于此,我们可以归纳出解决步骤:

步骤1:找到第一个“降序断点”k

从数组末尾开始向前遍历,找到第一个满足nums[k] < nums[k+1]的索引k。这意味着:

  • k之后的元素(nums[k+1..n-1])是降序排列的,无法通过调整这部分元素得到更大排列;

  • k是第一个可以通过修改来提升字典序的位置——我们需要用k之后的某个更大元素替换nums[k]。

若遍历完未找到这样的k(即k=-1),说明整个数组是降序的,直接反转数组即可得到最小排列。

步骤2:找到k之后“最小的更大元素”l

既然k之后的元素是降序的,从末尾向前遍历,第一个满足nums[l] > nums[k]的索引l,就是k之后比nums[k]大的最小元素。选择这个元素交换,能保证替换后得到的排列是“最小的更大排列”(避免跳过大的中间排列)。

步骤3:交换并反转后续元素

1. 交换nums[k]和nums[l]:此时k位置的元素已更新为更大的值,保证了排列的字典序提升;

2. 反转nums[k+1..n-1]:由于交换前k之后是降序,交换后这部分仍为降序,反转后变为升序,能确保后续元素构成“最小的可能组合”,最终得到下一个排列。

三、完整代码实现(C++)

结合上述思路,我们可以写出简洁高效的代码,完全满足“原地修改”和“常数空间”的要求:

#include <vector> #include <algorithm> // 包含reverse和swap函数 using namespace std; class Solution { public: void nextPermutation(vector<int>& nums) { int n = nums.size(); int k = -1; // 降序断点索引,初始为-1表示未找到 // 步骤1:找到第一个nums[k] < nums[k+1]的k for (int i = n - 2; i >= 0; --i) { if (nums[i] < nums[i + 1]) { k = i; break; } } // 步骤2:若未找到断点,说明数组降序,直接反转 if (k == -1) { reverse(nums.begin(), nums.end()); return; } // 步骤3:找到k之后第一个比nums[k]大的元素索引l int l = -1; for (int i = n - 1; i > k; --i) { if (nums[i] > nums[k]) { l = i; break; } } // 步骤4:交换k和l位置的元素 swap(nums[k], nums[l]); // 步骤5:反转k之后的元素,将降序转为升序 reverse(nums.begin() + k + 1, nums.end()); } };

四、代码逐段解析

1. 初始化与断点查找

用n记录数组长度,k初始化为-1(标记未找到断点)。从n-2开始向前遍历(因为要比较i和i+1),一旦发现nums[i] < nums[i+1],立即记录k=i并退出循环——这是效率最高的查找方式,无需遍历整个数组。

2. 全降序处理

若k仍为-1,说明数组从左到右是降序的(如[3,2,1]),此时反转整个数组即可得到最小排列,这一步时间复杂度为O(n)。

3. 查找交换元素l

从数组末尾向前遍历(k之后是降序,末尾元素最小),第一个比nums[k]大的元素就是我们需要的l——这样能确保交换后k位置的元素提升幅度最小,符合“下一个排列”的定义。

4. 交换与反转

swap函数是C++标准库函数,实现常数时间的元素交换;reverse函数反转k之后的元素,将降序转为升序,确保后续元素是最小组合,这一步时间复杂度为O(n)。

五、复杂度分析

  • 时间复杂度:O(n)。整个过程包含3次遍历(找k、找l、反转),每次遍历的时间都与数组长度线性相关,且无嵌套循环。

  • 空间复杂度:O(1)。仅使用了k、l、n三个额外变量,未开辟新的数组或数据结构,完全满足题目“常数空间”的要求。

六、测试用例验证

我们用题目给出的示例验证代码正确性:

  1. 示例1:输入[1,2,3]

    1. 找k:i=1时,nums[1]=2 < nums[2]=3,k=1;

    2. 找l:i=2时,nums[2]=3 > nums[1]=2,l=2;

    3. 交换后:[1,3,2];反转k之后(仅元素2),结果仍为[1,3,2],符合预期。

  2. 示例2:输入[3,2,1]

    1. 找k:遍历后k=-1,反转数组得到[1,2,3],符合预期。

  3. 示例3:输入[1,1,5]

    1. 找k:i=1时,nums[1]=1 < nums[2]=5,k=1;

    2. 找l:i=2时,nums[2]=5 > nums[1]=1,l=2;

    3. 交换后:[1,5,1];反转k之后(仅元素1),结果仍为[1,5,1],符合预期。

七、总结与拓展

“下一个排列”问题的核心在于抓住“字典序”的本质——通过寻找“降序断点”确定调整位置,再通过“最小更大元素”和“反转”确保结果的合理性。这个思路不仅能解决本题,还能迁移到类似的字典序问题中,比如“上一个排列”(只需调整判断条件为找升序断点)。

在实际开发中,这类原地修改的算法常被用于优化空间开销,尤其在处理大规模数据时更为重要。掌握这种“从有序性中找突破口”的思维方式,能帮助我们更好地应对各类排列组合相关的算法问题。

如果你有其他测试用例或优化思路,欢迎在评论区交流讨论!

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/10 11:07:20

揭秘气候变化对农作物产量的影响:R语言数据分析全流程详解

第一章&#xff1a;农业产量的 R 语言气候影响分析 在现代农业研究中&#xff0c;理解气候变量对农作物产量的影响至关重要。R 语言作为一种强大的统计分析工具&#xff0c;能够高效处理气象与农业数据&#xff0c;揭示温度、降水、湿度等因子与作物产出之间的潜在关系。通过整…

作者头像 李华
网站建设 2026/6/9 23:49:58

【MLOps工程师必看】:用语义化Docker标签实现AI模型可追溯性

第一章&#xff1a;AI 模型版本的 Docker 标签管理在持续集成与交付&#xff08;CI/CD&#xff09;流程中&#xff0c;AI 模型的版本控制至关重要。Docker 镜像标签是标识不同模型版本的有效手段&#xff0c;合理使用标签可确保部署环境的一致性与可追溯性。语义化标签策略 采用…

作者头像 李华
网站建设 2026/6/10 14:53:02

FlutterOpenHarmony侧边栏抽屉组件开发

前言 侧边栏抽屉是移动应用中常见的导航模式&#xff0c;它将次要的导航选项和功能入口收纳在屏幕侧边&#xff0c;用户可以通过滑动或点击按钮来展开。在笔记应用中&#xff0c;侧边栏通常用于展示文件夹列表、标签分类、设置入口等内容。本文将详细介绍如何在Flutter和OpenHa…

作者头像 李华
网站建设 2026/6/9 19:48:40

FlutterOpenHarmony弹窗与对话框组件

前言 弹窗和对话框是应用中与用户进行交互的重要方式&#xff0c;它们用于显示提示信息、确认操作、收集用户输入等场景。在笔记应用中&#xff0c;删除确认、保存提示、表单输入等功能都需要使用弹窗组件。一个设计良好的弹窗应该清晰传达信息、提供明确的操作选项&#xff0c…

作者头像 李华