[Algorithm] Java链表反转

public class TurnBackLinkedList {

	public static void main(String[] args) {
		Node head = new Node();
		Node cur = head;
		for(int i = 0; i < 10; i++) {
			int value = (int) (Math.random()*100);
			Node newNode = new Node();
			newNode.value = value;
			cur.next = newNode;
			cur = cur.next;
		}
		printLinkedList(head);
		
		Node newHead = turnBackLinkedList(head);
		printLinkedList(newHead);
	}
	
	static Node turnBackLinkedList(Node head){
		Node newHead = head;
		Node oldHead = head.next;
		newHead.next = null;
		while(oldHead != null) {
			Node temp = oldHead.next;
			oldHead.next = newHead;
			newHead = oldHead;
			oldHead = temp;
		}
		return newHead;
	}

	static class Node {
		Node next;
		int value;
	}
	
	static void printLinkedList(Node head) {
		Node cur = head;
		while(cur != null) {
			System.out.print(cur.value + " ");
			cur = cur.next;
		}
		System.out.println();
	}
}

海鸥优化算法(Seagull Optimization Algorithm)是一种基于鸥群行为的优化算法,模拟海鸥觅食的行为来寻找最优解。它以鸥群的协作和通信为基础,通过合理的搜索策略来解决优化问题。 该算法的主要特点包括两个方面:搜索过程中的多样性和引导搜索的能力。多样性指的是算法中适应度较高和较低的个体之间的差异性,保持种群中的多样性可以增加搜索空间的探索能力。而引导搜索的能力则是通过一种策略,将种群中的个体引导向更优的搜索空间。 在Java语言中,可以利用编程技巧来实现海鸥优化算法。首先,需要定义鸥(seagull)类,包括鸥的坐标、速度、适应度等属性。然后,初始化种群,包括生成鸥的初始位置和速度等信息。接下来,根据适应度函数计算每只鸥的适应度值,并更新种群的最优解和最优适应度值。 之后,通过迭代过程,按照一定的概率更新鸥的速度和位置,以期望找到更优的解。在迭代过程中可以使用一些改进策略,例如交叉、变异或局部搜索等,以提高算法的收敛性和搜索能力。 最后,在满足停止条件的情况下,输出最优解和最优适应度值。通过调整参数和改进算法,可以提高算法的性能和搜索结果。 总之,海鸥优化算法是一种基于鸥群行为的优化算法,可以通过编程实现,并在Java语言中进行应用。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值