考虑:N个数字的每种排列看作是一个节点,邻节点是指能通过交换任意两个位置的数得到的新的排列。这样,所有N!个排列一个连通图。能以最少交换次数到达升序有序排列(记为B)的数列(记为A)就等价于从A代表的节点在这张图中到达B对应的节点的最短路径长度。
进一步,“交换任意两个位置的数”是可逆的操作,这是一个无向图。因此,从节点A到达节点B的最短路径长度,等于从节点B到达节点A的最短路径长度。
所以本题求解的其实就是在这种图中,从节点B点其它所有各节点的最短路径长度之和。而求最短路径长度的标准解法就是广度优先搜索。从节点B出发通过广度优先搜索遍历所有节点,记录下每个节点的层数(距离),最后求和即可。
广度优先搜索(BFS)的基本流程(即便在本系列也出现过了很多次)这里就不再赘述(不熟悉的伙伴可以参阅前面的题解)。
在一般的BFS流程中,用visited只需要记录已访问过的节点,而无需记录其对应的距离。本题解在最后统一进行距离求和,所以必须将每个节点的距离记录下来,最自然的做法当然是在visited中将节点和距离信息一起记录下来,因此在本题解中用dict()实现visited(一般只记忆节点的话用set()即可)。
# -*- coding: utf-8 -*-
"""
Created on Tue Sep 28 07:50:03 2021
@author: chenxy
"""
import sys
import time
import datetime
import math
# import random
from typing import List
# from queue import Queue
from collections import deque
import itertools as it
import numpy as np
N = 7
q = deque()
visited = dict()
q.append((tuple(range(N)),0))
visited[tuple(range(0,N))] = 0
tStart = time.perf_counter()
while len(q) > 0:
cur,layer = q.popleft()
for c2 in it.combinations(range(N), 2):
nxtlst = list(cur)
nxtlst[c2[0]],nxtlst[c2[1]] = nxtlst[c2[1]],nxtlst[c2[0]]
nxt = tuple(nxtlst)
if nxt not in visited:
visited[nxt] = layer + 1
q.append((nxt,layer+1))
count = 0
for key in visited:
count += visited[key]
tCost = time.perf_counter() - tStart
print('N = {0}, count={1}, tCost = {2:6.3f}(sec)'.format(N,count,tCost))
运行结果:N = 7, count=22212, tCost = 0.073(sec)
原书还给出两个更简单的解法。
其一的思路是:某排列与最终升序排列中位置一致的数字不需要再参与交换,所以只需要找出和初始状态下的位置不同的数字进行交换就可以了。
其二的思路是利用数学上对称群的概念,通过循环置换的乘积来求解。
前一个还好理解(问题在于能不能想到这一点),后一个需要群的知识为基础。容我再学习学习品一品后再来补充题解。