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    

推薦する

...

予想外! AI技術はアダルト動画サイトに成熟して適用されている

アダルト動画サイトがAI技術を導入!ウェブサイトでは、顔認識やアルゴリズムを使用したビデオプレビュー...

2020年に注目すべき10のAIトレンド

来年、AI テクノロジーと市場はどのように進化するのでしょうか? 主要な AI トレンドとしては、エ...

人工知能の時代に、人間の知能は不可欠なのでしょうか?

今日のビジネスは急速に変化しています。意思決定をするのに人間の知恵だけに頼るだけでは不十分です。その...

研究によると、AIはより多くの雇用を生み出している

フォーブスによると、人工知能(AI)によって人間の仕事が失われ、広範囲にわたる人員削減が起こると広く...

進化する決定木: 機械学習が生物学からヒントを得るとき

生物学(または生命科学)に対する理解は時間の経過とともに大きく深まり、多くのエンジニアにとって、困難...

PaddlePaddleのクリック率に基づくディープラーニング手法の試み

序文チーム内でクリック率に関する記事をいくつか共有した際に、広告のクリック率の推定値を計算する一般的...

マスク氏のロボットショーは何百万人ものネットユーザーを魅了した!

テスラロボットが家事を始める。マスク氏は最新の動画で、テスラのロボット「オプティマス・プライム」が服...

マイクロソフトとパートナーは、AIへのアクセスを制限するデータ砂漠の縮小に取り組んでいる。

Microsoft は、多くの非営利団体のパートナーと協力して、これらのツールが失明や運動障害など...

DragGANはオープンソース化から3日間で23,000のスターを獲得し、DragDiffusionが登場しました。

AIGC の魔法の世界では、画像を「ドラッグ」することで、必要な画像を変更したり合成したりできます...

2020年の世界コンサルティング会社の新ランキング:AI時代の新たな課題

[[348678]] 5G、人工知能、ブロックチェーンなどの新技術の継続的な進歩は、あらゆる企業の変...

...

人工知能に置き換えられる可能性が最も高い職業トップ10。今年の転職ではこの罠に陥らないように!

[[220405]]今の時代、就職市場は戦場です。人工知能とロボットの発達は職場に衝撃を与えた。従...

2017年世界ロボット会議エクスプレス:無人スーパーマーケットロボットがデビュー

[51CTO.com 北京レポート] 2017年8月23日から27日まで、2017年世界ロボット大会...