力扣刷题与回溯算法实战：全排列II解析

1. 力扣刷题的价值与意义

作为一名程序员，我坚持力扣刷题已经三年多了。最初只是为了应付面试，后来发现这种刻意练习对编程能力的提升远超预期。每天解决1-2道算法题，就像给大脑做健身操，不仅保持思维敏捷，还能积累各种"解题套路"。

力扣（LeetCode）题库目前有2000+题目，覆盖数据结构、算法、数据库、Shell等方向。其中算法题按难度分为简单、中等和困难三个级别。我建议从"热题100"开始，这些题目出现频率高，解法经典，是打基础的好材料。

新手常见误区：盲目追求刷题数量。实际上，吃透一道中等题的多种解法，比快速AC十道简单题更有价值。

2. 日刷47题解析

2.1 题目背景与要求

第47题是经典的"全排列II"，属于回溯算法的典型应用。题目给定一个可包含重复数字的序列，要求返回所有不重复的全排列。例如：

code复制输入：[1,1,2]
输出：
[
  [1,1,2],
  [1,2,1],
  [2,1,1]
]

与第46题（无重复数字的全排列）相比，本题的难点在于如何避免生成重复的排列组合。这也是面试中经常被追问的考察点。

2.2 解题思路分析

2.2.1 回溯算法框架

回溯算法的通用模板如下：

python复制def backtrack(路径, 选择列表):
    if 满足结束条件:
        结果.append(路径)
        return
    
    for 选择 in 选择列表:
        做选择
        backtrack(路径, 选择列表)
        撤销选择

对于本题，我们需要：

1. 先对数组排序，让相同数字相邻
2. 在遍历选择时，跳过与前一个相同且未被使用的数字

2.2.2 关键代码实现

Python解法示例：

python复制class Solution:
    def permuteUnique(self, nums: List[int]) -> List[List[int]]:
        nums.sort()  # 关键步骤：排序
        res = []
        used = [False] * len(nums)
        
        def backtrack(path):
            if len(path) == len(nums):
                res.append(path.copy())
                return
            
            for i in range(len(nums)):
                if used[i]: continue
                # 剪枝条件：当前数字与前一个相同，且前一个未被使用
                if i > 0 and nums[i] == nums[i-1] and not used[i-1]:
                    continue
                
                used[i] = True
                path.append(nums[i])
                backtrack(path)
                path.pop()
                used[i] = False
        
        backtrack([])
        return res

时间复杂度分析：最坏情况下O(n×n!)，但通过剪枝优化后实际运行会快很多。

2.3 调试与优化技巧

1. 可视化调试：在递归调用前后打印路径和选择列表，观察程序执行流程
2. 剪枝优化：使用used数组记录已使用的元素，避免重复选择
3. 去重技巧：排序后通过nums[i] == nums[i-1]判断重复元素

实际编码时容易犯的错误：忘记在回溯后恢复used数组状态，导致后续选择出错。

3. 同类题型拓展

3.1 排列组合问题家族

力扣上常见的排列组合问题包括：

• 无重复全排列（46题）
• 有重复全排列（47题）
• 组合总和（39、40题）
• 子集问题（78、90题）

这些问题都可以用回溯算法解决，区别主要在于剪枝条件和终止条件。

3.2 其他解法对比

除了回溯法，这类问题还可以：

1. 使用itertools.permutations（Python内置库）
2. 递归交换元素位置
3. 使用字典序生成法

但面试时通常要求手写回溯实现，以考察对算法本质的理解。

4. 刷题方法论

4.1 五步刷题法

我总结的高效刷题流程：

1. 独立思考15分钟，尝试各种解法
2. 写出初版代码并提交
3. 查看错误用例，针对性调试
4. 学习最优解，比较差异
5. 隔天重写，确保真正掌握

4.2 题目分类策略

建议按算法类型分类刷题：

• 数组：双指针、滑动窗口
• 链表：虚拟头节点、快慢指针
• 树：DFS/BFS、递归
• 动态规划：背包问题、字符串匹配
• 图：拓扑排序、最短路径

每周专注一个类别，建立系统性的知识框架。

5. 实战经验分享

5.1 调试技巧

遇到递归问题时：

1. 画出递归树，标注每层状态
2. 使用缩进打印调试信息

python复制def backtrack(path, depth=0):
    print("  "*depth + f"Enter: {path}")
    # ...
    print("  "*depth + f"Exit: {path}")

5.2 性能优化

当提交超时时：

1. 检查是否有重复计算（可用记忆化优化）
2. 分析剪枝条件是否充分
3. 考虑更优算法（如DP替代回溯）

5.3 面试应用

在面试中讲解回溯题时：

1. 先说明问题复杂度（解空间大小）
2. 解释剪枝策略的数学依据
3. 讨论时间/空间复杂度

我通常会用白板画出递归树，标注剪枝位置，这样能给面试官留下深刻印象。

6. 学习资源推荐

1. 《算法导论》回溯算法章节
2. 力扣官方题解视频
3. labuladong的算法小抄
4. 代码随想录网站

建议准备一个错题本，记录每道题的：

• 初始思路
• 错误原因
• 最优解法
• 同类题目

坚持三个月后，你会发现遇到新题时能快速联想到相似解法。我现在保持每天至少一道中等题的节奏，周末总结当周的所有解法。这种持续的精进，让我的代码能力有了质的飞跃。