《算法题讲解指南:优选算法-双指针》--01移动零,02复写零

《算法题讲解指南:优选算法-双指针》--01移动零,02复写零

🔥小叶-duck个人主页

❄️个人专栏《Data-Structure-Learning》

《C++入门到进阶&自我学习过程记录》

未择之路,不须回头
已择之路,纵是荆棘遍野,亦作花海遨游


目录

一、双指针算法介绍

  1、对撞指针

  2、快慢指针

01、移动零

题目链接:

题目描述:

题目示例:

算法思路:

算法流程:

C++ 代码演示:

算法总结:

02、复写零

题目链接:

题目描述:

题目示例:

算法思路:

算法流程:

C++代码演示:

算法总结及流程解析:

结束语


一、双指针算法介绍

      在正式讲解本次的算法题之前我们先来看看算法中一个非常常用的方法——双指针。双指针有两种形式,一种对撞指针,一种是左右指针。

  1、对撞指针

一般用于顺序结构中,也称左右指针。

  • 对撞指针从两端向中间移动。一个指针从最左端开始,另一个从最右端开始,然后逐渐往中间逼近。
  • 对撞指针的终止条件一般是两个指针相遇或者错开(也可能在循环内部找到结构直接跳出循环),也就是:left == right(两个指针指向同一个位置),left > right(两个指针错开)

  2、快慢指针

又称龟兔赛跑算法,其基本思想就是使用两个移动速度不同的指针在数组或链表等序列结构上移动。

      这种方法对于处理环形链表或数组非常有用。其实不单单是环形链表或者数组,如果我们要研究的问题出现循环往复的情况时,均可考虑使用快慢指针的思想。

快慢指针的实现方法有很多种,最常用的一种就是:

  • 在一次循环中,每次让慢的指针向后移动一位,而快的指针往后移动两位,实现一快一慢

01、移动零

题目链接:

283. 移动零 - 力扣(LeetCode)

题目描述:

题目示例:

解法:(快排的思想:数组划分区间-数组分块)

      【数组分块】是非常常见的一种算法技巧,主要就是根据一种划分方式,将数组的内容分成左右两部分。这种类型的题,一般就是使用【双指针】来解决。

算法思路:
  • 我们可以用一个 cur 指针来扫描整个数组,另一个 dest 指针用来记录非零序列的最后一个位置,根据 cur 在扫描的过程中,遇到的不同情况,分类处理,实现数组的划分。
  • 在 cur 遍历期间,保证【0,dest】区间的元素全部都是非零元素,【dest+1,cur-1】区间的元素全是零,而 cur 后面的元素则是未处理的。
算法流程:

  1、初始化 cur = 0(用来遍历数组),dest = -1(指向非零元素序列的最后一个位置。因为刚开始还没有进行遍历,此时相当于还没有非零元素的序列,因此初始化为 -1

  2.cur 依次往后遍历每个元素,遍历到的元素会有下面两种情况:
    2.1 遇到的元素是 0 ,cur直接++ ,不需要对 dest 进行操作。因为我们的目标是让【dest+1,cur-1】内的元素全都是0,因此当 cur  遇到 0 的时候,直接 ++ ,就可以保证【dest+1,cur-1】这个区间内依然全为0;
    2.2 遇到的元素不是 dest++,并且交换 cur 位置和 dest 位置的元素,之后让 cur++,扫描下一个元素。

  • 因为 dest 指向的位置是非零元素区间的最后一个位置,如果扫描到一个新的非零元素,那么这个非零元素的位置应该在 dest+1 的位置上,因此 dest 先自增 1
  • dest++ 之后,指向的元素就是 元素(因为非零元素区间末尾的后一个元素(下标为 dest+1)就是 ),因此可以交换到 cur 所处的位置上,实现【0,dest】的元素全部都是非零元素,【dest+1,cur-1】的元素全是零。

C++ 代码演示:

class Solution { public: void moveZeroes(vector<int>& nums) { int dest = -1; int cur = 0; while(cur != nums.size()) { // if(nums[cur] == 0) // { // cur++; // } // else // { // swap(nums[++dest], nums[cur++]); // } //代码优化 if(nums[cur])//if判断为假则说明cur遇到0 { swap(nums[++dest], nums[cur]); } cur++; } } };

算法总结:

      这里用到的方法就是我们在数据结构中学习 【快排算法】的时候,【数据划分】过程的重要一步。如果将快排算法的递归拆解成单趟的话,这一小段代码就是实现快排单趟的【核心步骤】。

02、复写零

题目链接:

1089. 复写零 - 力扣(LeetCode)

题目描述:

题目示例:

解法:(原地复写——双指针)

算法思路:
  • 如果【从前往后】进行原地复写操作的话,由于 0 的出现会复写两次,导致没有复写的数【被覆盖掉】。因此我们选择【从后往前】的复写策略。
  • 但是 【从后往前】复写的时候,我们需要找到 【最后一个复写的数】,因此我们的大体流程分两步:1.先找到最后一个复写的数;2.然后从后往前进行复写操作
算法流程:

  1.初始化两个指针 cur = 0dest = -1

  2.找到最后一个复写的数:

  • 判断 cur 位置的元素:(1)如果是 0 的话,dest 往后移动两位;(2)否则,dest 往后移动一位
  • 判断 dest 这时候是否已经到结束位置,如果结束就终止循环;
  • 如果没有结束,cur++,继续判断。

  3.判断 dest 是否越界到 的位置:

如果越界,执行下面三步:

  • n-1 位置的值修改成 0 ;
  • cur 向前移动一步(cur--)
  • dest 向前移动两步(dest -= 2);

  4.从 cur 位置开始往前遍历原数组,依次还原出复写后的结果数组:

    4.1 判断 cur 位置的值:

  • 如果是 0 :dest 以及 dest-1 位置修改成 dest-=2
  • 如果非零:dest 位置修改成 0 ,dest -= 1

    4.2 cur--,复写下一个位置。

C++代码演示:

class Solution { public: void duplicateZeros(vector<int>& arr) { // 1. 先找到最后⼀个复写的数 int dest = -1; int cur = 0; while(1) { dest++; if(arr[cur] == 0) { dest++; } if(dest >= arr.size() - 1) { break; } cur++; } // 2. 处理越界情况 if(dest == arr.size()) { arr[arr.size() - 1] = 0; dest -= 2; cur--; }//之所以会越界是因为如果最后一个复写的数为0 //则可能出现复写的位置在下标n-1和n,但下标为n就是越界 //也就是说实际上并没有复写两遍0而只是数组最后一个位置复写为0 //所以如果越界操作就是数组最后位置手动置为0后让dest回到倒数第二个位置 //cur--就是让最后一个复写的数变成前一个 // 3. 从后向前完成复写操作 while(cur >= 0) { if(arr[cur] == 0) { arr[dest--] = arr[cur]; } arr[dest--] = arr[cur--]; } } };

算法总结及流程解析:

结束语

      到此,本次的算法题就讲解完了,这是小萌新讲解算法题的开始,后面我会不断地对非常经典且精选的算法题为大家进行讲解,希望大家能有所收获!

Read more

【数据结构与算法】单链表综合练习:1.删除链表中等于给定值 val 的所有节点 2.反转链表 3.链表中间节点

【数据结构与算法】单链表综合练习:1.删除链表中等于给定值 val 的所有节点 2.反转链表 3.链表中间节点

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《C语言》《【初阶】数据结构与算法》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、删除链表中等于给定值 val 的所有节点 * 1.1题目 * 1.2 算法原理 * 1.3代码 * 二、反转链表 * 2.1题目 * 2.2 算法原理 * 2.3代码 * 三、链表中间节点 * 3.1题目 * 3.2 算法原理 * 3.3代码 * 总结与每日励志 前言 链表是 C 语言和数据结构学习的核心考点,也是编程入门绕不开的经典题型。本文聚焦删除指定值节点、

By Ne0inhk
动态规划 线性 DP 五大经典模型:LIS、LCS、合唱队形、编辑距离 详解与模板

动态规划 线性 DP 五大经典模型:LIS、LCS、合唱队形、编辑距离 详解与模板

文章目录 * 最长上升子序列 * 【模板】最长上升子序列 * 合唱队形 * 牛可乐和最长公共子序列 * 编辑距离 经典线性 dp 问题有两个:最⻓上升⼦序列(简称:LIS)以及最⻓公共⼦序列(简称:LCS),这两道题⽬的很多⽅⾯都是可以作为经验,运⽤到别的题⽬中。⽐如:解题思路,定义状态表⽰的⽅式,推到状态转移⽅程的技巧等等。 因此,这两道经典问题是需要我们重点掌握的。 最长上升子序列 题目描述 题目解析 本题介绍最长上升子序列的一般解法,当数据量不大时用这种解法。 在此之前,小编先区分一下子数组和子序列,子数组需要是连续的,而子序列可以是间断的。 1、状态表示 dp[i]表示以i结尾的所有子序列中,最长的上升子序列。

By Ne0inhk
无中生有——无监督学习的原理、算法与结构发现

无中生有——无监督学习的原理、算法与结构发现

“世界上绝大多数数据都没有标签。 真正的智能,不是在已知答案中选择,而是在混沌中发现秩序。” ——无监督学习的哲学 一、为什么需要无监督学习? 在前七章中,我们系统学习了监督学习(Supervised Learning)的核心范式:给定输入 x\mathbf{x}x 和对应标签 yyy,学习映射 f:x↦yf: \mathbf{x} \mapsto yf:x↦y。无论是线性回归、决策树,还是神经网络,都依赖于标注数据这一稀缺资源。 然而,现实世界的数据绝大多数是未标注的: * 用户浏览日志(只有行为,没有“好/坏”标签); * 医学影像(只有图像,没有诊断结论); * 社交网络(只有连接关系,没有群体划分); * 传感器时序(只有数值流,没有异常标记)

By Ne0inhk
马年“码”上发力:用Manacher“马拉车”算法,拉平最长回文难题

马年“码”上发力:用Manacher“马拉车”算法,拉平最长回文难题

💗博主介绍:计算机专业的一枚大学生 来自重庆 @燃于AC之乐✌专注于C++技术栈,算法,竞赛领域,技术学习和项目实战✌ 💗根据博主的学习进度更新(可能不及时) 💗后续更新主要内容:C语言,数据结构,C++、linux(系统编程和网络编程)、MySQL、Redis、QT、Python、Git、爬虫、数据可视化、小程序、AI大模型接入,C++实战项目与学习分享。 👇🏻 精彩专栏 推荐订阅👇🏻 点击进入🌌作者专栏🌌: 算法画解 ✅ C++ ✅ 🌟算法相关题目点击即可进入实操🌟 感兴趣的可以先收藏起来,请多多支持,还有大家有相关问题都可以给我留言咨询,希望希望共同交流心得,一起进步,你我陪伴,学习路上不孤单! 文章目录 * 前言 * Manacher(马拉车)算法 * 问题: * 1.相关概念引入

By Ne0inhk