【优选算法】双指针算法:专题一

【优选算法】双指针算法:专题一

目录

引言:

【283.移动零】

1、题目描述

2、实现核心及思路

解题思路:

思路可视化:

代码实现:

代码测试:

【1089.复写零】

1、题目描述​

2、实现核心及思路

解题思路:

思路可视化:

代码实现:

代码测试:

【202. 快乐数】

1、题目描述

2、实现核心及思路

解题思路:

代码实现:

【11. 盛水最多容器】

1、题目描述

2、实现核心及思路

解题思路:

思路可视化:

代码实现:


引言:

常见的双指针有两种形式,一种是对撞指针,一种是快慢指针

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果直接跳出循环),也就是:

◦ left == right (两个指针指向同一个位置)

◦ left > right (两个指针错开)
快慢指针:又称为龟兔赛跑算法,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。 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。

快慢指针的实现方式有很多种,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。
注意:这里的指针并不是C语言中学的 int*,char*的指针(地址),而是用变量记录数组下标(指针),变量++或--相当于指向 指针的移动。

【283.移动零】

1、题目描述

2、实现核心及思路

解题思路:
这里对撞指针(左右指针)的方案肯定是行不通的,因为题目要求移动 0 元素的同时还要保证非零元素的相对顺序。所以,我们采用两个指针都从数组的左端出发,把非零的元素依次找到放在前面,最后剩下 0 自然就排在数组后面了。

(1)刚开始让一个指针cur 先指向数组的第一个元素,另一个指针 dest 初始化为 -1。cur 用来找非零元素,dest 用来确定 cur 之前的 0 元素。

(2)当 cur 指向的元素为零则 cur++,继续向后找非零元素来将前面的 0 交换到后面;

(3)当 cur 指向的元素不为 0,则让 dest 向前移动一位(dest++),因为此时cur 之前的元素要么全为 0,要么dest 和 cur 指向同一个元素。然后,交换 cur 和 dest 指向的元素,cur 继续向后移动(cur++)

(4)结束条件:当 cur 走到数组尾部的时候意味着所有非零元素都找到了,结束。

思路可视化:
代码实现:
class Solution { public: void moveZeroes(vector<int>& nums) { int size=nums.size(); // 定义双指针 int dest=-1; int cur=0; // 指向数组第一个元素 while(cur<size) { // 找到非零元素 if(nums[cur]!=0) { dest++; swap(nums[dest],nums[cur]); } cur++; } } };
代码测试:
int main() { Solution s; vector<int> v1{ 1,0,2,0,3,0,4 }; vector<int> v2{ 0,0,0,6,5,4 }; s.moveZeroes(v1); for (auto e : v1) { cout << e << " "; } cout << endl; s.moveZeroes(v2); for (auto e : v2) { cout << e << " "; } return 0; }

【1089.复写零】

1、题目描述

2、实现核心及思路

解题思路:

解法一:额外创建一个等大的数组,然后从头开始遍历原数组,遇到非零元素正常写入新数组,遇到 0 元素,写入两次,当新数组写满就终止。

这种解法肯定是我们第一时间想到的,但题目明确限制在原数组上操作。

解法二:观察示例1可知,最终的输出结果即将原来的5 和 0 覆盖了,因为复写了两个 0 元素。所以,我们只需要将 [1,0,2,3,0,4]这部分数据按要求进行复写零。但如果,我们从前往后遍历进行复写零时就会出现覆盖 0 元素后一个元素的问题,所以,我们考虑从 4 开始向前遍历数组来复写零,并把遍历到的元素从原数组的最后依次往左边放。非零元素写一次,0 元素写两次。

⭐️⭐️所以,我们的问题就转化为了:先找最后一个有效元素(相当于上面的" 4 "),然后从最后一个有效元素开始从后往前遍历复写零。

步骤一:利用双指针法找最后一个有效元素位置,让 cur 指针开始指向第一个元素,然后遍历数组,同时定义 dest 指针(初始化为-1,即相当于指向数组起始位置的前一个位置)。当 cur 指向非零元素,left 向后移动一位,当 cur 指向零元素left 向后移动两位(即为复写零留出位置)。

结束条件:当 dest 指向的位置到数组的末尾时,即复写零后刚好能将数组写满。设数组大小为size,则dest < size - 1

细节一:



面对这种情形,即当进入循环后发现dest 移动两次后到了数组的末尾,此时,我们不能再让cur 向前移动了,如果再移动数组空间大小就不够复写两个 0 了。所以,在 cur++ 之前我们还要判断dest 是否已经 不满足 dest < size - 1了。

步骤二:继续利用双指针法,cur 指针已经指向了最后一个有效数据,所以让 dest 指向数组的最后。从 cur 指向的位置 开始向前遍历数组来复写零,当遍历到非零元素,dest 指向位置处仅将该元素写一次,然后 cur--,dest--,继续向前遍历;当遍历到 0 元素,dest 指向位置处先写一次 0 ,然后dest向左移动(dest--),并再写一次 0,然后 cur--,dest-- ...  以此类推。

结束条件:当 cur 遍历到数组的起始位置,即复写结束。cur >= 0

细节二:



当cur 指向最后一个有效数据且为 0 时,dest 需要向后移动两次,但是数组空间大小只剩下一个位置,即dest 出了数组。意味着我们在先前复写零时,cur 指向的这个 0 元素只能复写一次,所以,我们需要单独处理。
思路可视化:
代码实现:
class Solution { public: void duplicateZeros(vector<int>& arr) { int cur = 0; // 指向数组首元素 int dest = -1; // 指向数组开头之前 int size = arr.size(); while (dest < size - 1) // 结束条件:dest到数组末尾或之后 { if (arr[cur] == 0) dest += 2; // 遍历到 0 元素,dest 向后移动两位 else dest++; // 非零元素,dest 正常向后移动一位 if (dest < size - 1) cur++; // 细节一 } if (dest >= size) // 细节二:处理最后一个 0 元素只复写一次 { arr[size - 1] = 0; dest = size - 2; cur--; } while (cur >= 0) // 结束条件 { if (arr[cur] == 0) // 复写零 { arr[dest--] = 0; arr[dest--] = 0; } else arr[dest--] = arr[cur]; cur--; // 向前遍历 } } };
代码测试:
int main() { Solution s; vector<int> v1{ 1, 0, 2, 3, 0, 4, 5, 0 }; // 正常情况 vector<int> v2{ 1, 0, 2, 3, 0, 4, 5 }; // 细节一 vector<int> v3{ 1, 0, 2, 3, 0, 4 }; // 细节二 s.duplicateZeros(v1); s.duplicateZeros(v2); s.duplicateZeros(v3); for (auto e : v1) cout << e << " "; cout << endl; for (auto e : v2) cout << e << " "; cout << endl; for (auto e : v3) cout << e << " "; return 0; }

【202.快乐数】

1、题目描述

2、实现核心及思路

解题思路:

对于n = 19,经过求和后,最终结果变为了1,即19为快乐数;n = 2,经过求和,最终又回到了起点。

结论:对于每个非零整数,进行上面的操作,要么最终得到1,要么继续回到一个求和过程中的某一个值(非1),但不一定回到最开始(像2这样)。

即经过不断的求和(按上面的规则),最会进入到一个循环当中,得到1 的这种情况也不例外,1求和还是1,也是循环。而对于这种循环的问题:我们均可以用快慢指针的方法解决。

假设慢指针一次走一步,快指针一次走两步,那么快指针一定先入环,但由于两者的速度差,最终肯定会相遇(结束条件)。

这里我们先不做证明!!!(后面会补充)

对于这个题而言:慢指针走一步即对应一次求和一次,快指针走两步即对应连续求和两次。

结束条件:当快慢指针相遇

然后判断:如果相遇时,快慢指针指向的和为 1 ,这个数即为快乐数;反之,则不是。

代码实现:
class Solution { public: // 求和函数 int Sum(int n) { int sum = 0; while(n) { int a = n%10; sum += pow(a,2); n/=10; } return sum; } bool isHappy(int n) { int slow = Sum(n); // 慢指针 int fast = Sum(n); // 快指针 fast = Sum(fast); while(slow != fast) // 结束条件 { slow = Sum(slow); fast = Sum(fast); fast = Sum(fast); } if(slow == 1) return true; else return false; } };

【11​​​​​​.盛水最多容器】

1、题目描述

2、实现核心及思路

解题思路:

解法一:暴力解法,两次for循环,算出所有的体积,找出最大值。

解法二:对撞指针(左右指针),left 和 right 指针向右向左找符合的桶(区间)。主要是依靠单调性,当left 和 right 向内移动时,宽度一定是变短的,体积 V = 宽度 * 高,所以要想找到最大的体积,只能依靠找到更大的高度。

所以,让left 和 right 中指向高度较小的一个向内移动, 找更大的高度,才有可能使体积更大。

同时,每次计算一个体积,通过比较获得最大体积。

💡库当中有一个 max 函数可以帮我们找两个数中的较大值,头文件<algorithm>
思路可视化:
代码实现:
class Solution { public: int maxArea(vector<int>& height) { int left = 0; // 左指针 int right = height.size() - 1; // 右指针 int m = 0; while(left < right) { int h = height[left] > height[right] ? height[right] : height[left]; // 找较小边 int V = (right - left) * h; // 计算体积 m = max(m,V); // 更新体积的值 if(height[left] < height[right]) left++; else right--; } return m; } };

Read more

数据结构|图论:从数据结构到工程实践的核心引擎

数据结构|图论:从数据结构到工程实践的核心引擎

个人主页-爱因斯晨 文章专栏-数据结构 作为数据结构中的 “复杂关系建模大师”,图论是解决路径规划、网络分析、依赖调度等问题的核心工具。不同于线性表的 “一对一” 和树的 “一对多”,图的 “多对多” 关系建模能力,使其成为互联网、嵌入式等领域的底层支撑技术。本文将从图的本质出发,用 C 语言手把手实现核心结构与算法,拆解工程落地中的关键细节。 一、图的本质:为何 C 语言实现需先选对存储方式? 图由顶点集(V) 和边集(E) 构成,记为 G=(V,E)。但在 C 语言中,没有原生的 “图” 类型,选择合适的存储结构直接决定了算法效率。实际开发中最常用的两种实现各有侧重: 1. 邻接矩阵:稠密图的 “数组方案” 邻接矩阵用二维数组graph[V][V]

By Ne0inhk
计算机视觉热点:三维人体姿态估计的前沿算法与论文案例

计算机视觉热点:三维人体姿态估计的前沿算法与论文案例

计算机视觉热点:三维人体姿态估计的前沿算法与论文案例 * 一、前言 * 二、三维人体姿态估计概述 * 2.1 定义与目标 * 2.2 应用场景 * 2.3 面临的挑战 * 三、前沿算法介绍 * 3.1 基于深度学习的方法 * 3.2 多视角方法 * 3.3 结合传感器的方法 * 四、算法对比与分析 * 4.1 不同算法的性能比较 * 4.2 适用场景分析 * 五、数据集介绍 * 5.1 常用数据集概述 * 5.2 数据集特点与应用 * 六、未来发展趋势 * 6.1 算法优化方向 * 6.2 新兴技术融合

By Ne0inhk
排序算法指南:快速排序(非递归)

排序算法指南:快速排序(非递归)

前言:          本文将通过图解与代码相结合的方式,详细介绍快速排序的非递归实现方法。虽然前文已展示递归实现方案,但在实际面试中,面试官更倾向于考察非递归版本的实现。这种实现方式不仅能加深对算法的理解,还能展现应聘者对栈结构的掌握程度。          一、非递归实现快排的思路          1.1核心原理:手动模拟栈                   在标准的递归快速排序中,当我们写下 quickSort(a,left, right) 时,系统会自动分配一块内存(函数调用栈)来记住当前的 left 和 right 是多少,以及函数执行完后该回到哪里。         在非递归版本中,我们不需要系统帮忙,而是自己创建一个栈(Stack)数据结构。          1.2核心操作:用栈存取数组区间          ① 向栈中存储操作:存储每一次需要排序的子数组的起止下标(begin,end)。                                  由于栈的特性是先进后出,我们优先处理左区间,再处理右区间,类似于二叉树的前序操

By Ne0inhk
【MADRL】多智能体近端策略优化(MAPPO)算法

【MADRL】多智能体近端策略优化(MAPPO)算法

本篇文章是博主强化学习RL领域学习时,用于个人学习、研究或者欣赏使用,并基于博主对相关等领域的一些理解而记录的学习摘录和笔记,若有不当和侵权之处,指出后将会立即改正,还望谅解。文章分类在强化学习专栏:        强化学习(8)---《【MADRL】多智能体近端策略优化(MAPPO)算法》 【MADRL】多智能体近端策略优化(MAPPO)算法 目录 0.前言 1.背景与动机 2.算法结构 3.具体公式 4.算法流程 5.公式总结 6.优势与应用场景 7.结论  [Python] MAPPO实现(可移植) 0.前言        多智能体近端策略优化算法 MAPPO(Multi-Agent Proximal Policy Optimization)是PPO(Proximal Policy

By Ne0inhk