1. 问题背景与核心挑战
全排列问题在算法领域属于经典中的经典，而带有重复元素的全排列II（LeetCode 47题）则是这个问题的进阶版本。我第一次遇到这个问题时，以为简单套用标准全排列的DFS模板就能解决，结果在测试用例[1,1,2]上栽了跟头——输出的排列结果中存在大量重复。这个经历让我意识到，处理重复元素时需要更精细的剪枝策略。
与基础全排列问题不同，全排列II的输入数组中可能包含重复数字，这就要求我们在生成所有可能排列的同时，必须确保最终结果不包含重复序列。举个例子，对于输入[1,1,2]，正确输出应该是[[1,1,2],[1,2,1],[2,1,1]]，而不是包含6个排列的普通全排列结果。
2. 算法选择与DFS框架设计
2.1 为什么选择DFS？
深度优先搜索（DFS）天然适合解决排列组合问题，因为它能够系统地探索所有可能的路径。对于全排列问题，我们可以将每个排列看作是从根节点到叶子节点的一条路径，其中每个节点代表一个选择。
DFS的实现通常有两种方式：
- 使用系统栈的递归实现
- 显式维护栈结构的迭代实现
对于全排列问题，递归实现更加直观易懂。以下是基础的DFS框架伪代码：
python复制def backtrack(path, choices):
if 满足结束条件:
记录结果
return
for 选择 in 选择列表:
做选择
backtrack(新的path, 新的choices)
撤销选择
2.2 处理重复元素的关键
在全排列II中，核心难点在于如何避免生成重复的排列。假设输入数组为[1,1,2]，如果不加控制，第一个1和第二个1交换位置会产生看似"不同"但实际上相同的排列。
解决这个问题的关键在于理解重复元素在什么情况下会导致重复排列——当我们在同一层级选择相同的元素时。因此，我们需要在DFS的过程中实施剪枝策略。
3. 详细实现与剪枝策略
3.1 基本实现步骤
-
排序预处理：首先对输入数组进行排序，这样相同的元素会相邻排列，便于后续剪枝判断。
-
访问标记数组：使用一个与输入数组等长的visited数组来记录哪些元素已经被使用过。
-
DFS递归过程：
- 当当前路径长度等于输入数组长度时，记录结果
- 遍历所有元素，跳过已使用过的元素
- 对于重复元素，实施剪枝条件
3.2 关键剪枝条件
剪枝的核心逻辑是：对于排序后的数组，如果当前元素与前一个元素相同，且前一个元素未被使用，则跳过当前元素。
python复制if i > 0 and nums[i] == nums[i-1] and not visited[i-1]:
continue
这个条件的含义是：当我们在同一层级遇到相同的元素时，只选择第一个未被使用的元素，跳过后续相同的元素。这样可以确保相同的元素不会在相同的位置被多次选择。
3.3 完整代码实现
python复制def permuteUnique(nums):
nums.sort()
res = []
visited = [False] * len(nums)
def backtrack(path):
if len(path) == len(nums):
res.append(path.copy())
return
for i in range(len(nums)):
if visited[i]:
continue
if i > 0 and nums[i] == nums[i-1] and not visited[i-1]:
continue
visited[i] = True
path.append(nums[i])
backtrack(path)
path.pop()
visited[i] = False
backtrack([])
return res
4. 复杂度分析与优化
4.1 时间复杂度
最坏情况下（所有元素都不同），时间复杂度为O(n!)，与普通全排列相同。但由于剪枝的存在，实际运行时间会优于普通全排列。
4.2 空间复杂度
空间复杂度主要来自递归调用栈和visited数组，为O(n)。如果考虑输出结果占用的空间，则为O(n*n!)。
4.3 可能的优化方向
-
交换法实现：可以不使用visited数组，而是直接在原数组上进行元素交换。这种方法空间复杂度更低，但实现起来稍复杂。
-
迭代实现：使用显式栈代替递归调用，可以避免递归带来的栈溢出风险，适合处理大规模数据。
5. 常见问题与调试技巧
5.1 为什么需要先排序？
排序是为了让相同的元素相邻排列，这样我们才能通过比较当前元素和前一个元素来判断是否需要剪枝。如果不排序，相同的元素可能分散在数组中，无法有效识别重复情况。
5.2 剪枝条件的两种写法
在解决这个问题时，可能会看到两种看似相似但实际不同的剪枝条件：
nums[i] == nums[i-1] and not visited[i-1]（本文采用）nums[i] == nums[i-1] and visited[i-1]
这两种条件都能避免重复，但它们的剪枝时机不同。第一种是在"即将选择重复元素"时剪枝，第二种是在"已经处理过重复元素"时剪枝。第一种方式更直观，剪枝更早。
5.3 调试技巧
当DFS算法出现问题时，可以：
- 打印递归树：在每次递归调用时打印当前路径和选择列表
- 使用小规模测试用例：如[1,1,2]或[1,2,3]
- 可视化visited数组：跟踪每个步骤中哪些元素被访问过
6. 实际应用与变种问题
6.1 实际应用场景
全排列算法在以下场景中有实际应用：
- 密码破解中的暴力尝试
- 游戏中的关卡生成
- 数据加密中的排列组合
- 测试用例生成
6.2 相关变种问题
-
下一个排列（LeetCode 31题）：给定一个排列，找出字典序中下一个更大的排列。
-
排列序列（LeetCode 60题）：给出集合[1,2,...,n]按大小顺序排列的所有排列中第k个排列。
-
带限制条件的排列：如某些元素不能相邻等。
7. 个人实践心得
在实际编码面试中，全排列II是一个高频题目。我总结了几点经验：
-
先写标准全排列：先实现不处理重复元素的基础版本，确保DFS框架正确，再添加剪枝逻辑。
-
画决策树：在纸上画出小规模输入的决策树，直观理解剪枝条件的作用。
-
两种剪枝条件都要掌握：虽然本文采用了一种剪枝方式，但另一种方式（
visited[i-1]为True时剪枝）也应该理解其原理。 -
测试用例要全面：除了常规测试，还要考虑：
- 所有元素相同的情况，如[1,1,1]
- 空数组情况
- 单元素数组
-
时间控制：在面试中，可以先简要说明剪枝思路，再写代码，避免一开始就陷入细节。