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とデート:機械はどうやって私たちを出会わせてくれるのか?

この記事は公開アカウント「Reading Core Technique」(ID: AI_Discov...

ボストン・ダイナミクスがマスク氏を激しく批判、それは単なる自慢なのか、それとも現実なのか?テスラロボットに関する3つの大きな推測

テスラのロボットに関しては、まず主要なタイムラインを確認しましょう。実際、テスラのロボットの構想は1...

マルチモダリティの最新の動向をご存知ですか?中国科学院自動化研究所は、視覚言語事前訓練に関する最初のレビューを発表した。

機械が人間と同じように反応するようにすることは、AI 研究の永遠の目標でした。機械が知覚し、考える能...

オーディオソーシャルネットワーキングでの音声変更にはどのようなアルゴリズムが使用されていますか?

モバイルインターネット技術のサポートにより、オーディオソーシャルネットワーキングは、さまざまなシナリ...

ドローンは5G開発をフィードバックし、インテリジェントな運用と保守の新たなアップグレードを促進する

近年、民生用ドローンの急速な発展と5G商用化の段階的な深化に伴い、ドローンと5Gの関係はますます密接...

人工知能における多様性と不確実性: 世界中の 2,778 人の AI 専門家を対象とした調査の解釈

人工知能は社会を変えようとしています。民間企業、学界、政府を問わず、国レベルおよび国際レベルを問わず...

将来、AIと競争して仕事を得るための16の実践的なヒント

[[256943]]現在、多くの企業がすでに人工知能と機械学習を活用しており、これらのテクノロジーの...

機械学習で知っておくべき 8 つの次元削減手法、最後の手法は超ハードコアです!

次元削減とは、高次元のデータ セットを同等の低次元空間に変換するプロセスです。実際のデータ セットに...

...

...

...

AIが使われるようになった今、データセキュリティではこれら4つの大きな問題を避けることはできない

「今日ではビデオ監視や顔認識のアプリケーションが非常に多く、データセキュリティの保護は緊急の課題とな...

アンドリュー・ン:機械学習の6つのコアアルゴリズム

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

人間の知能と人工知能:どちらが優れているのでしょうか?

人工知能は近い将来、人間の知能を超える可能性を秘めている。テクノロジーは飛躍的に進歩しましたが、AI...