再帰アルゴリズムにおけるリンクリスト操作

再帰アルゴリズムにおけるリンクリスト操作

今日は、問題をさらに一歩進めて、再帰プロセスに対応する操作を追加する予定です。

(免責事項: 以下のソリューションは娯楽目的のみに提供されています。また、サンプル コードはコンパイルおよびデバッグされておらず、多くのアイデアは実際に検証されていません。)

リンク リスト内の N 番目から最後のノードを検索します。

解決策1

最後のノードまでレイヤーごとに再帰的にトラバースし、返されたノードから 1 回再帰的に逆方向に N 回トラバースして、N 番目から最後のノードを見つけます。

  1. プライベートLNode targetNode = null ;
  2. プライベートLNode FindLastNthNode(LNode ヘッド、 intインデックス)
  3. {
  4. (head.Next == null )の場合
  5. {
  6. ヘッドを返す
  7. }
  8.  
  9. 最後のN番目のノードを検索します(head.Next、インデックス);
  10.  
  11. LNode tmpNode = ヘッド;
  12.  
  13. ((head.Next != null ) && (インデックス > 0))の間
  14. {
  15. ヘッド = head.Next;
  16. 索引 - ;
  17. }
  18.  
  19. (head.Next == null && インデックス == 0)の場合
  20. {
  21. ターゲットノード = tmpNode;
  22. targetNodeを返します
  23. }
  24.  
  25. targetNodeを返します
  26.  
  27. }

分析する

1. 追加のグローバル ヘルパー変数。

2. 時間計算量は O(index * n) です。ここで、n はリンク リストの長さです。

3. パフォーマンスのオーバーヘッドは大きくなります。

解決策2(解決策1のバリエーション)

現在のノードが走査されるたびに、ループバックして n 個のノードを走査します。ノードが最後まで走査され、インデックスが 0 に減分された場合、現在のノードは最後に見つかった n 番目のノードであることを意味します。つまり、解決策 1 は後ろから前へ検索し、解決策 2 は前から後ろへ検索します。

  1. プライベートLNode targetNode2 = null ;
  2.  
  3. プライベートLNode FindLastNthNode2(LNode ヘッド、 intインデックス)
  4. {
  5. (head.Next == null )の場合
  6. ヘッドを返す
  7.  
  8. LNode tmpNode = ヘッド;
  9.  
  10. (head != null && index >= 0)の間
  11. {
  12. ヘッド = head.Next;
  13. 索引 - ;
  14. }
  15.  
  16. if (head == null && index == 0)
  17. {
  18. ターゲットノード2 = tmpNode;
  19. targetNode2を返します
  20. }
  21.  
  22. targetNode2を返します
  23. }

分析: ソリューション 1 と同じです。

解決策3

  1. プライベート 整数カウンター = 0;
  2. プライベートLNode targetNode2;
  3.  
  4. プライベートLNode FindLastNthNode2(LNode ヘッド、 intインデックス)
  5. {
  6. (head.Next == null )の場合
  7. {
  8. カウンター = インデックス;
  9. ヘッドを返す
  10. }
  11.  
  12. 最後のN番目のノード2を検索します(head.Next、インデックス);
  13.  
  14. カウンタ - ;
  15.  
  16. (カウンタ == 0)の場合
  17. {
  18. ターゲットノード2 = ヘッド;
  19. targetNode2を返します
  20. }
  21.  
  22. targetNode2を返します
  23. }
カウント用のグローバル変数を定義します。再帰が最後のノードから戻ると、カウンターが減少します。カウンターが 0 に等しい場合、このノードは N 番目に見つかった最後のノードです。分析 1。 2 つの補助変数。 2. 時間計算量はO(n)です。 3. 冗長インデックス、冗長カウンター。 オリジナルリンク: http://www.cnblogs.com/lucasluo/archive/2012/07/31/2617417.html

【編集者のおすすめ】

  1. さまざまな側面からみた Python コードのパフォーマンス最適化に関する新しい講演
  2. 開発者のための時間管理のヒント
  3. 開発者にとって最適なコード エディターは何ですか?
  4. Web開発フレームワーク権限管理システム
  5. インタビューコードの品質を向上させる3つの要素

<<:  データマイニングのためのK平均法アルゴリズムのグラフィカルな説明

>>:  Java で実装されたいくつかの一般的なソートアルゴリズムの詳細な解釈

ブログ    

推薦する

AI と機械学習: 大きなデマか、それとも大きな希望か?

ダニング=クルーガー効果は重大なバイアスです。これは、能力の低い人が自分の軽率な決断に基づいて誤った...

人間の運転、交通事故の最大の欠陥 | 自動運転車の交通安全に関する白書が発表

今年の自動運転業界は商用化がキーワードです。年末に、百度、中国自動車技術研究センター、同済大学が共同...

ビッグモデルの時代、周志華教授の「ラーニングウェア」の考え方を分析:小さなモデルでも大きなことができる

ビッグモデルの時代に入りつつあることは間違いありません。オープンソースやクローズドソースのさまざまな...

...

このアリは写真を撮ることができます!プリンストン大学は、50万分の1の大きさに縮小されたミクロンレベルのカメラを開発した。

最近、プリンストン大学の研究者らは、世界初の高品質ミクロンスケール光学イメージングデバイス「ニューラ...

最新の機械学習ツール

コンテクストデータ サイエンスは急速に進化しており、機械学習の役割は、データ サイエンスのハイブリッ...

生成AIと予測AIの主な違いと実際の応用

翻訳者 |陳俊レビュー | Chonglou近年、予測 AI は、高度な推奨アルゴリズム、リスク評価...

...

マイクロソフトの面接アルゴリズムに関する 4 つの質問

(1)要素が0から65535までの任意の数値であり、同じ値が繰り返し出現しない整数列。 0 は例外で...

機械学習 = 「新しいボトルに入った古いワイン」の統計?いいえ!

最近、ディープラーニングと人工知能に関するジョークがソーシャルメディア上で広く流布しており、この2つ...

TensorFlow を使用したコンテキスト チャットボットの実装

日常のチャットでは、文脈が重要です。 TensorFlow を使用してチャットボット フレームワーク...

ついに、データ、情報、アルゴリズム、統計、確率、データマイニングをわかりやすく説明してくれる人がいました!

[[282346]]データとは何かデータとは何でしょうか? これは私たちがほとんど無視する質問にな...

人工知能がヘルスケア業界にもたらす変化

AIヘルスケア企業のCEOが、医療におけるAIの応用、AIソリューションの購入方法、ヘルスケア分野に...