题解 | #火车进站#
火车进站
https://www.nowcoder.com/practice/97ba57c35e9f4749826dc3befaeae109
题目链接
题目描述
一共有 辆火车需要入站,编号为
到
。火车站的进出共享一个轨道,这意味着后入站的火车需要先出站,这符合栈的“后进先出” (LIFO) 特性。
现在,已经知道了火车的入站顺序,你需要计算所有不同的出站顺序,并按照字典序从小到大依次输出。
解题思路
这是一个经典的全排列问题,其核心是模拟火车进站和出站的所有可能性。由于火车站的轨道遵循“后进先出”的原则,我们可以把它抽象成一个栈。
在任何时刻,我们都面临两种选择:
- 进站 (Push): 如果还有未进站的火车,我们可以让下一辆火车进入车站(入栈)。
- 出站 (Pop): 如果车站(栈)内有火车,我们可以让栈顶的火车出站,并将其记录到出站序列中。
为了穷举所有由这两种操作组成的合法序列,我们可以使用深度优先搜索 (DFS) 或回溯法。
我们可以定义一个递归函数 dfs
来探索所有可能的选择路径。这个函数的状态可以由“下一辆待进站的火车索引”、“当前站内的火车(栈)”以及“当前已生成的出站序列”来描述。
-
递归基 (Base Case): 当我们生成的出站序列长度等于火车总数
时,说明我们找到了一个完整的、合法的出站序列。我们将此序列存入结果列表中,并结束当前递归分支。
-
递归步骤 (Recursive Step): 在当前状态下,我们尝试所有可行的操作:
- 尝试“出站”: 如果栈不为空,我们就弹出一辆火车,将其加入到当前出站序列,然后继续进行下一步的递归搜索。搜索返回后,我们需要进行回溯——即将这辆火车从出站序列中移除,并重新压回栈中,以恢复到之前的状态,从而探索其他可能性。
- 尝试“进站”: 如果还有未进站的火车,我们就将下一辆火车压入栈中,然后继续递归搜索。同样,在搜索返回后,我们也需要回溯,将这辆火车从栈中弹出。
当整个搜索过程结束后,我们就得到了所有可能的出站序列。最后,根据题目要求,对所有序列进行字典序排序再输出。
代码
#include <iostream>
#include <vector>
#include <stack>
#include <algorithm>
using namespace std;
int n;
vector<int> in_order;
vector<vector<int>> all_sequences;
// in_idx: 下一辆要进站的火车在 in_order 中的索引
// station: 当前在站台(栈)中的火车
// current_out: 当前已出站的火车序列
void dfs(int in_idx, stack<int>& station, vector<int>& current_out) {
// 基线条件:当出站序列满了,说明找到一个完整解
if (current_out.size() == n) {
all_sequences.push_back(current_out);
return;
}
// 选择1:出站(如果栈不为空)
if (!station.empty()) {
int train_out = station.top();
station.pop();
current_out.push_back(train_out);
dfs(in_idx, station, current_out);
// 回溯
current_out.pop_back();
station.push(train_out);
}
// 选择2:进站(如果还有待进站的火车)
if (in_idx < n) {
int train_in = in_order[in_idx];
station.push(train_in);
dfs(in_idx + 1, station, current_out);
// 回溯
station.pop();
}
}
int main() {
cin >> n;
in_order.resize(n);
for (int i = 0; i < n; ++i) {
cin >> in_order[i];
}
stack<int> station;
vector<int> current_out;
dfs(0, station, current_out);
sort(all_sequences.begin(), all_sequences.end());
for (const auto& seq : all_sequences) {
for (int i = 0; i < seq.size(); ++i) {
cout << seq[i] << (i == seq.size() - 1 ? "" : " ");
}
cout << endl;
}
return 0;
}
import java.util.*;
public class Main {
static int n;
static int[] in_order;
static List<List<Integer>> all_sequences = new ArrayList<>();
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
n = sc.nextInt();
in_order = new int[n];
for (int i = 0; i < n; i++) {
in_order[i] = sc.nextInt();
}
dfs(0, new Stack<Integer>(), new ArrayList<Integer>());
// 对结果进行字典序排序
Collections.sort(all_sequences, (list1, list2) -> {
for (int i = 0; i < n; i++) {
if (!list1.get(i).equals(list2.get(i))) {
return list1.get(i) - list2.get(i);
}
}
return 0;
});
for (List<Integer> seq : all_sequences) {
for (int i = 0; i < seq.size(); i++) {
System.out.print(seq.get(i) + (i == seq.size() - 1 ? "" : " "));
}
System.out.println();
}
}
static void dfs(int in_idx, Stack<Integer> station, List<Integer> current_out) {
if (current_out.size() == n) {
all_sequences.add(new ArrayList<>(current_out));
return;
}
// 选择1:出站
if (!station.isEmpty()) {
int train_out = station.pop();
current_out.add(train_out);
dfs(in_idx, station, current_out);
// 回溯
current_out.remove(current_out.size() - 1);
station.push(train_out);
}
// 选择2:进站
if (in_idx < n) {
int train_in = in_order[in_idx];
station.push(train_in);
dfs(in_idx + 1, station, current_out);
// 回溯
station.pop();
}
}
}
import sys
n = 0
in_order = []
all_sequences = []
# in_idx: 下一辆待进站火车的索引
# station: 栈
# current_out: 当前出站序列
def dfs(in_idx, station, current_out):
if len(current_out) == n:
all_sequences.append(list(current_out))
return
# 选择1:出站
if station:
train_out = station.pop()
current_out.append(train_out)
dfs(in_idx, station, current_out)
# 回溯
current_out.pop()
station.append(train_out)
# 选择2:进站
if in_idx < n:
train_in = in_order[in_idx]
station.append(train_in)
dfs(in_idx + 1, station, current_out)
# 回溯
station.pop()
def main():
global n, in_order
lines = sys.stdin.readlines()
n = int(lines[0])
in_order = list(map(int, lines[1].split()))
dfs(0, [], [])
all_sequences.sort()
for seq in all_sequences:
print(*seq)
if __name__ == "__main__":
main()
算法及复杂度
- 算法:回溯法 / 深度优先搜索 (DFS)
- 时间复杂度:问题的解的数量是第
个卡特兰数
。生成每个解需要进行
次入栈和
次出栈,共
步。因此生成所有解的时间复杂度与
相关。最后对
个长度为
的序列进行排序,时间复杂度为
。总时间复杂度由这两部分构成。
- 空间复杂度:主要由存储所有
个结果序列所消耗,每个序列长度为
,因此空间复杂度为
。递归的深度最大为
,所以栈空间为
。