[算法]——链表(三)

[算法]——链表(三)

目录

​编辑

一、前言

二、正文

1.重排链表

1.1 题目解析

1.2 算法原理

1.3 具体代码

2.K个一组翻转链表

2.1 题目解析

2.2 算法原理

2.3 具体代码

三、结语


一、前言

        本文将继续为大家带来链表的学习!!!

二、正文

1.重排链表

1. 重排链表 - [力扣]

1.1 题目解析

        本题要求要求我们对所给链表进行重排,那么观察题目所给示例,我们会发现所谓重排后的链表,就是先头结点,尾结点,然后头结点的下一个节点,尾结点的前一个节点……y依次类推,直至链表所有的元素都被插入。

1.2 算法原理

         那么本题的原理依旧是模拟的思路,那么该如何模拟呢?

具体的步骤如下:

1.找到链表的中间节点——利用快慢双指针

2.根据快慢双指针将链表分为两部分,对slow指针后面的部分进行逆序(使用头插法),其目的是为了该部分插入的顺序与我们模拟的插入相同

3.合并两个链表——利用双指针

1.3 具体代码

/** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode() : val(0), next(nullptr) {} * ListNode(int x) : val(x), next(nullptr) {} * ListNode(int x, ListNode *next) : val(x), next(next) {} * }; */ class Solution { public: void reorderList(ListNode* head) { if(head->next==nullptr) return ; ListNode* ret=new ListNode; ListNode* back=new ListNode; //找到链表中的中间节点 ListNode *slow=head,*fast=head->next; while(fast->next && fast->next->next) { slow=slow->next; fast=fast->next->next; } //head-slow(前) slow->next-tail(后) //对后面的链表进行逆序 ListNode *cur=slow->next; while(cur) { ListNode* next=cur->next; if(back->next==nullptr) { back->next=cur; cur->next=nullptr; //不处理会导致死循环 } else { cur->next=back->next; back->next=cur; } cur=next; } //合并两个链表 slow->next=nullptr; ListNode *cur1=head,*cur2=back->next,*cur3=ret; while(cur1 && cur2) { cur3->next=cur1; cur1=cur1->next;//二三行不能颠倒, cur3=cur3->next; cur3->next=cur2; cur2=cur2->next; cur3=cur3->next; } while(cur2) { cur3->next=cur2; cur2=cur2->next; } head=ret->next; } };

2.K个一组翻转链表

2.1 题目解析

        本题与我们之前讲过的一题类似,不知道小伙伴们还记不记得“两两交换链表中的节点”那道题,那道题要求我们对来链表中的两两节点进行交换,而本题则是提升了一点难度,交换的节点个数为k个,对于不足k个节点则不用进行交换

2.2 算法原理

        本题的算法思路依旧是模拟,即模拟题目交换节点的过程

具体步骤如下:

1.求出需要逆序的组数n

2.重复n次:长度为k的链表逆序

3.把不需要翻转的链表接在最后一次翻转的节点之后




注:这里要注意的一点在每次逆序结束之后,我们都要将prev节点重新调整位置至下一次要逆序的第一个节点的前一个,即我们本次逆序链表的首个插入节点

2.3 具体代码

/** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode() : val(0), next(nullptr) {} * ListNode(int x) : val(x), next(nullptr) {} * ListNode(int x, ListNode *next) : val(x), next(next) {} * }; */ class Solution { public: ListNode* reverseKGroup(ListNode* head, int k) { //1.求出需要逆序的组数 ListNode* cur = head; int n = 0; while (cur) { n++; cur = cur->next; } n/=k; //2.重复n次:长度为k的链表逆序 ListNode* newhead = new ListNode(0); ListNode* prev = newhead; cur = head; for(int i=0;i < n;++i) { ListNode* tmp=cur; for(int j=0;j<k;j++) { ListNode* next = cur->next; cur->next = prev->next; prev->next = cur; cur = next; } prev=tmp; } //把不需要翻转的接上 prev->next = cur; return newhead->next; } };

三、结语

         到此为止,本文关于链表(三)内容到此结束了,如有不足之处,欢迎小伙伴们指出呀!

         关注我 _麦麦_分享更多干货:_麦麦_-ZEEKLOG博客

         大家的「关注❤️ + 点赞👍 + 收藏⭐」就是我创作的最大动力!谢谢大家的支持,我们下期见!

        欢迎大家参观我的算法专栏:

麦麦的算法专栏https://blog.ZEEKLOG.net/m0_73953114/category_12866812.html

Read more

内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解

内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解

🔥作者简介: 一个平凡而乐于分享的小比特,中南民族大学通信工程专业研究生,研究方向无线联邦学习 🎬擅长领域:驱动开发,嵌入式软件开发,BSP开发 ❄️作者主页:一个平凡而乐于分享的小比特的个人主页 ✨收录专栏:未来思考,本专栏结合当前国家战略和实时政治,对未来行业发展的思考 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 🔥内存暴涨700%背后的惊天真相:AI正在吞噬一切!能源·隐私·绿色三大维度深度拆解 |前言| 最近装机的小伙伴们欲哭无泪:DDR5内存价格一路狂飙,部分DRAM现货价格在过去一年暴涨近700% 。大家习惯性吐槽“厂商放火”、“产能不足”,但很少有人看到,这场涨价风暴的真正推手,是那只名为“AI”的巨兽。 当你还在为多花几百块钱买内存心疼时,国家正在西部荒漠建起一座座数据中心,科技巨头正在为“吃电怪兽”抢购每一颗芯片。2026年,大型科技公司的AI相关投资预计将达到6500亿美元,较去年增长约80% 。 今天,我们从能源供应、隐私安全、绿色AI 三个维度,结合东数西算、算电协同、

By Ne0inhk
C#AI系列:从零开始打造自己的OpenClaw

C#AI系列:从零开始打造自己的OpenClaw

OpenLum.Console 项目说明 这个项目是参考OpenClaw的CSharp版控制台智能体助手,Aot发布后主体程序7mb大小,另外的Skills文件夹目前自带了浏览器操作、office文件读取等基础工具。 用户可自行动态扩展Skills(描述提供地址及操作方式后,即可学会各种技能,比如登录到公司网络报销发票、请假考勤等。注意:部分网站的DOM可能不易交互导致失败) 基于 .NET 的通用智能体 Shell,原生 AOT 发布、零第三方依赖。 面向本地/内网部署,支持 OpenAI API 兼容的各类模型(DeepSeek、Ollama、OpenAI 等)。 浏览器搜索信息获取操作 自带规划拉取信息、创建工具、完成任务(pdf文档生成) 技能的按需加载示例 全部开源免费,新朋友可以关注公众号“萤火初芒”回复"OpenLum"获取仓库地址,有问题可留言或私信作者。让我们一起探索 AI 助手的无限可能!

By Ne0inhk
AI的提示词专栏:Instruction Tuning 与自定义指令集

AI的提示词专栏:Instruction Tuning 与自定义指令集

AI的提示词专栏:Instruction Tuning 与自定义指令集 本文围绕 Instruction Tuning(指令微调)与自定义指令集展开深入解析,先阐释 Instruction Tuning 的定义、与传统 Prompt 调优的区别及核心价值,指出其通过 “指令 - 响应” 对训练让模型从通用文本生成转向精准执行任务,解决传统 Prompt 调优痛点。接着详解自定义指令集的构成要素与设计原则,给出多领域示例。随后介绍 Instruction Tuning 从数据准备、模型选择、微调训练、效果评估到部署应用的完整实施流程,结合电商客服场景实战案例说明落地要点。还针对数据不足、过拟合等常见问题提供解决方案,最后总结核心内容并展望自动指令集生成等未来趋势,为相关实践提供全面指导。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触

By Ne0inhk
Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构

Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 google_generative_language_api 适配鸿蒙 HarmonyOS 实战:生成式 AI 集成,构建大语言模型调度与全场景智能推理治理架构 前言 在鸿蒙(OpenHarmony)生态迈向全场景 AI 赋能、涉及高效的语义理解、自动化内容生成及严苛的端云协同智能隐私保护背景下,如何实现一套既能深度对接 Google 生成式语言模型(如 Gemini、PaLM)、又能保障异步请求高响应性且具备多模态输入处理能力的“AI 调度中枢”,已成为决定应用智能化水平与用户体验代差的关键。在鸿蒙设备这类强调分布式协同与端侧算力按需分配的环境下,如果应用依然采用低效的 REST 手写拼接,由于由于 payload 结构复杂性,极易由于由于“协议解析异常”导致鸿蒙应用在大模型推理环节发生由于由于由于由于通讯阻塞。 我们需要一种能够统一模型调用语义、支持流式(Streaming)响应且符合鸿蒙异步异步并发范式的

By Ne0inhk