写在前面

这个算法的分析其实上周就想写了,可惜一直忙于上课和作业,没有时间仔细考虑这个问题。只是依稀记得以前上课的时候做过一个递归的求全排列的算法,但是对于长度为\(n\)的串的全排列的可能情况是\(n!\),这个增长太快了,使用递归的话几乎不太可能满足日常的需求,从这个角度来说,全排列的递归算法只能作为学习递归算法的一个例子吧。本文将从递归算法开始,分析几个目前常用的生成全排列算法,包括字典序算法、Johnson-Trotter算法和多进制算法。

递归算法

对于求一个序列的全排列,最直接的想法肯定就是采用递归的方法了,因为根据阶乘的定义\(n!=n\*(n-1)!\),因此递归的过程就是:

  • 递归式:在每一次的递归层次中求出\((n-1)\)个元素的全排列。
  • 递归边界条件:当元素个数为1的时候,直接返回该元素。

但是在具体的实现过程中,如何处理返回的\(n-1\)个元素的全排列又有很多不同的方法,这里主要介绍两种。

插入法

这种方法有点类似于插入排序,当通过递归过程返回\(n-1\)个数的全排列的时候,我将第n个数插入到这些排列的空隙中,形成新的排列。举例来说,对于\(a=\{0,1,2,3\}\)来说,首先取出第一个元素0,然后通过递归生成\(\{1,2,3\}\)的全排列:

#!python
{
    {1,2,3},
    {1,3,2},
    {2,1,3},
    {2,3,1},
    {3,1,2},
    {3,2,1},
}

然后对于生成的每一个排列,将0在每一个可能的位置插入:

#!python
{
    {0,1,2,3},
    {1,0,3,2},
    {1,2,0,3},
    {1,2,3,0},  #完成了对{1,2,3}的插入
    {0,1,3,2},
    {1,0,3,2},
    {1,3,0,2},
    {1,3,2,0},  #完成了对{1,3,2}的插入
    ...
}

按照这样的顺序,我们就能够依次生成原序列的所有排列情况了。可以看到,按照这样的算法, 每一次首元素都会被插入到不同的位置中,这一点是和下面要介绍的另外一种递归方法的本质区别。

下面给出插入法递归的代码:

代码1:

#!python
def perm(arg):
    if len(arg)==0:
        return [[]]
    else:
    #得到n-1的排列
        t = perm(arg[1:])
        order = []
        #遍历每一个排列
        for item in t:
            #在每一个排列的可能位置中插入当前元素
            for (index,x) in enumerate(item):
                tmp = item[:]
                tmp.insert(index,arg[0])
                order.append(tmp)
            tmp = item[:]
            tmp.append(arg[0])
            order.append(tmp)
        return order

固定首元素

在这种方法中,我们不需要每次都要将首元素插入到不同位置中,在递归过程中,我们会尝试所有可能的首元素,生成不同元素作为首元素时排列,举例来说,对于\(a=\{0,1,2,3\}\),我们首先选取0作为首元素,然后固定住0,向下递归生成\(\{1,2,3\}\)的排列,然后,直接将0和生成的排列拼接起来(而不是插入),如下所示:

下面是\(\{1,2,3\}\)的全排列

:::python
{
    {1,2,3},
    {1,3,2},
    {2,1,3},
    {2,3,1},
    {3,1,2},
    {3,2,1},
}

直接将这些排列和0拼接,形成:

:::python
{
    {0,1,2,3},
    {0,1,3,2},
    {0,2,1,3},
    {0,2,3,1},
    {0,3,1,2},
    {0,3,2,1},
}

完成拼接之后,选取1作为首元素,向下递归生成\(\{0,2,3\}\)的全排列,然后,将1和生成的排列拼接起来;之后选取2作为首元素,重复上述过程,直到所有元素都作为首元素固定过。

下面给出代码:

代码2: #!python def perm(arg,order,k=0): if k >= len(arg): order.append(arg[:]) return else: for i in range(k,len(arg)): #交换首元素 arg[i],arg[k] = arg[k],arg[i] #递归调用 perm(arg,order,k+1) #换回原来的位置 arg[i],arg[k] = arg[k],arg[i]

上面的代码是我自己写的,但是另外我在V2EX上还看到过同样算法的更加简洁的代码:

代码3:

#!python
def all_perm(l):
    if not l:
        return [[]]
    return [[a] + b for a in l for b in all_perm(_remove(l, a))]


def _remove(l, item):
    tmp = l[:]
    tmp.remove(item)
    return tmp

字典序法

除了递归的方法,其实还有很多其他非递归的方法可以用来计算一个序列的全排列。其中有一个算法被称为字典序算法,据说STL中的Next_permutation也是用这个字典序算法实现的1。这个算法的核心思想就是,对于每一种可能排列的情况,我们都想办法使其与某种顺序建立对应关系,这种关系式一一对应的,这样我们就能通过遍历得到的某种顺序来生成全排列,这样就能避免递归过程了。这种按照某种顺序来生成全排列的方法就被称为是字典序

很显然,最重要的是如何才能找到这样一种一一对应的顺序关系,此处继续用\(a=\{0,1,2,3\}\)来说明字典序算法的过程。

要找到一种顺序关系,我们就首先要定义大小关系,对于两个序列\(\{0,2,1,3\}\)\(\{0,2,3,1\}\)来说,序列\(\{0,2,3,1\}\)要比\(\{0,2,1,3\}\)大,比较的方法是从前到后依次比较相同位置上的元素,如果相同则继续比较下一个元素,直到遇到一个不同的元素,元素值大的序列就大于元素值小的序列。按照这样的大小关系形成的序列的顺序,就是字典序。可以看到,最小的序列一定是\(\{0,1,2,3\}\),最大的序列是\(\{3,2,1,0\}\)。而字典序算法就是从字典序中最小的序列开始,一直不停寻找下一个仅比上一个序列大的序列,直到到达最大的序列。2

现在的问题就变成了,如何从当前状态生成一下个状态?

字典序算法是这样做的(假设当前排列是\(a[1\cdots n]\)):

  1. \(a\)中找到满足\(a[k] < a[k+1]\)\(k\)的最大值,即\(k=\max\{i\|a[i] < a[i+1] \}(0 \leq i < n-1)\),如果不存在这样的k,那就是说已经达到字典序最大的序列了3

  2. \(a[k+1\cdots n]\)中寻找比\(a[k]\)大的数中的最小数\(a[j]\),即\(j=\min\{i\|a[i] > a[k] \}(k < i \leq n-1)\)

  3. 交换\(a[k]\)\(a[j]\),并将\(a[k+1\cdots n]\)中的元素全部倒序。

经过上述三步,得到的序列就是\(a[1\cdots n]\)字典序中的下一个序列了。

我想看到这里,很多人都是一头雾水了吧,这三步只是告诉你How-to-do而不是Why-to-do,这里简略给出一个说明4:

首先应该知道,根据字典序的定义,越是小的数排在前面,则整个序列越小。

  1. 第一步中找到的\(a[k]\),其实它是有这样的性质的:在k右侧的所有元素都是从大到小排列的
  2. 第二步中找到的\(a[j]\)是用来和\(a[k]\)交换的,根据\(a[j]\)满足的条件,可以得出这样的结论:在\(a[k+1\cdots n]\)中,a[k]是仅次于\(a[j]\)的数。而将他们交换之后,能保证整个序列是最小增长的。
  3. 但是由于\(a[k+1\cdots n]\)中是从大到小排列的,因此需要将这部分倒序,来使得序列进一步减小,使其成为仅大于原始序列的序列。

代码4:

#!python
def nextstate(arg):
    flag = False
    #步骤1
    for i in range(len(arg)-2,-1,-1):
        if(arg[i] < arg[i+1]):
            flag = True
            break
    if flag:
        k = i
    else:
        return False

    #步骤2
    for i in range(len(arg)-1,k,-1):
        if arg[i] > arg[k]:
            break
    j = i
    #步骤3
    arg[j],arg[k] = arg[k],arg[j]
    t = arg[k+1:]
    t.reverse()
    arg[k+1:] = t
    return True


def dictgenerate(arg):
    myarg = list(range(len(arg)))
    order = []
    t = []
    for i in myarg:
        t.append(arg[i])
    order.append(t)
    while True:
        t = []
        flag = nextstate(myarg)
        if flag == False:
            break
        for i in myarg:
            t.append(arg[i])

        order.append(t)
    return order

关于代码

如果有读者运行我上述的代码,大概会发现其实递归的算法和字典序的算法效率上相差不大,甚至有时候递归比字典序还快。但是,我想说的是,出现这样的现象不是 算法的问题,而是Python语言的问题,Python在很多方面都有着非常不错的特点的,但是在运行效率上却不是很高(相对来说它的开发效率很高),因此会出现递归和字典序效率差不多的现象。从这个角度来说,Python其实并不是一门适合学习算法时所使用的语言,它更多的偏向于解决实际的问题,而不是编程细节。

如果用C++重新实现上述的算法,你就会发现其实递归要比字典序算法慢得多。

参考资料

  1. 全排列算法及实现
  2. 全排列算法原理和实现
  3. Producing permutations
  4. 字典序法生成全排列算法的证明
  5. 全排列生成算法(一)

补充

后来越想越不好,明明应该是在讲算法的,但是运行结果却不能证明算法的高效,干脆直接装了个C++编译器,将上述两个递归和非递归的算法重新实现了一遍:

递归算法:

#!cpp
void perm2(int *arg,int n,int k)
{
    int i;
    if(k>=n)
    {
        //print
    }
    else
    {
        for(i = k;i < n;++i)
        {
            swap(arg[i],arg[k]);
            perm1(arg,n,k+1);
            swap(arg[i],arg[k]);
        }

    }
}

字典序算法:

#!cpp
bool nextstate(int *arg,int n)
{
    int i;
    bool flag=false;
    int k,j;
    int start,end;
    //step 1
    for(i = n-2;i >= 0;--i)
    {
        if(arg[i] < arg[i+1])
        {
            k = i;
            flag = true;
            break;
        }
    }
    if(flag==false)
    {
        return false;
    }
    //step2
    for(i = n-1 ; i > k ; --i)
    {
        if(arg[i] > arg[k])
        {
            j = i;
            break;
        }
    }
    //step3
    swap(arg[k],arg[j]);
    for(start = k+1,end=n-1 ; start<end ; ++start,--end)
    {
        swap(arg[start],arg[end]);
    }
    return true;
}

void perm3(int *arg,int n)
{
    int myarg[n];
    int i;
    for(i = 0;i < n; ++i)
    {
        myarg[i] = i;
    }
    //print
    while(true)
    {
        if(nextstate(myarg,n))
        {
            //print
        }
        else
        {break;}
    }
}

下图是运行的结果(12个元素的全排列):

运行结果


  1. 这一点上我没有具体考证过,也是看到人家这么说的。 

  2. 这句话可能不太好理解,这里稍加解释一下:可以把每一种可能的排列序列当成一个状态,而这些状态之间是存在先后关系,这个关系就是之前所说的字典序字典序算法就是按照从小到大的顺序遍历这些状态。 

  3. \(\{3,2,1,0\}\)为例,它是一个字典序最大的序列,从这个序列中是无法找到满足条件的k的。 

  4. 其实很多算法是只可意会不可言传的,很多东西很难用语言来表达,我这里也只能结合具体的算法步骤简要说明一下。 

Share on: TwitterFacebookEmail


Flyaway is the owner of this blog.

Reading Time

~2 min read

Published

Category

algorithm

Tags

Contact