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    
ブログ    
ブログ    
ブログ    

推薦する

AIの諸刃の剣:質問を検索するために写真を撮ることと不正行為を支援すること

子どもを指導しているとき、圧倒されたり、怒りすぎて気が狂いそうになったりすることがありますか? [[...

無線ルーターのさまざまな暗号化アルゴリズムの包括的な説明

ワイヤレス ルーターは、ワイヤレス ネットワークの開発において非常に重要な役割を果たします。ここでは...

学覇君主任科学者陳瑞峰:テクノロジーを活用して知識のサイロ化を減らし、教育の効率化を実現する

[51CTO.comからのオリジナル記事] 学習圧力が高く、教育資源の配分が不均衡な中国の教育システ...

...

...

LLM に代わる 2 億パラメータのタイミング モデル? Googleの画期的な研究は「初心者のミス」と批判される

最近、Google の論文が X などのソーシャル メディア プラットフォーム上で論争を巻き起こしま...

超音波脳読み取りはマスクの脳コンピューターインターフェースよりも正確で侵襲性が低い

脳コンピューターインターフェース分野で新たなニュースがあります。 IEEE Spectrum による...

5Gベアラネットワークの運用は難しいが、機械学習技術で解決できる

5G の商用化が近づいており、通信事業者が 5G ベアラ ネットワークを構築するための時間はあまり残...

顔認識は優れているが、業界の自制心と法的監督が依然として必要である。

近年、顔認識をめぐる論争が絶えません。少し前に、「初の顔認識事件」の第一審判決が発表され、杭州野生動...

ペンシルバニア大学は、ディープニューラルネットワークの対称構造を研究し、層ごとの剥離解析モデルを提案した。

[[435206]]近年、ディープニューラルネットワークは多くの科学技術上の問題において優れたパフ...

AI Punk が MNIST に敬意を表す: Python と開発ボードのみを使用して、決して繰り返されない時計を作成

はい、この時計があれば、MNIST 手書きデータセットなしでは生きていけません。私たちは古代の真空管...

...

モバイルデバイスでのリアルタイムディープラーニング

[[210219]] 2017 年には、モバイル アプリケーション向けのディープラーニングにおいて大...

AI教育の知能化、パーソナライゼーション、多様化は今後さらに発展するだろう

人工知能教育は主に、ユーザーの学習行動データを分析・処理することで、パーソナライズされた学習コンテン...