C语言实现单链表的相关解析

一、比较顺序表和单链表的优缺点,说说它们在什么场景下使用
顺序表:1、因为顺序表的存储空间是连续的,所以它支持随机访问,可在O(1)内查找元素,cpu高速缓存利用率比单链表高
                2、不增容的情况下尾插比较方便,中/头插效率低
                3、适用于大量访问元素的,而少量增/删元素的程序
单链表:1、可以动态的增加节点,长度可以变化
                2、在内存中存储地址不连续,不支持随机访问,查找元素的时间复杂度为O(n)
                3、适用于需要大量增/删元素操作,而对访问元素无要求的程序
接下来以几个简单的小程序来进一步的介绍单链表
1、从尾到头的打印单链表
看到这个题目我们可以有两种基本的直接解决方法。
第一种是直接打印出来链表然后逆序,第二种是利用递归来解决,接下来我们用递归的方法来解决这个问题  
        void PrintTailToHead(Node* head)
{
       if (head==NULL)return;//以节点为空为结束条件
       PrintTailToHead(head—>next);
        printf(“%d”,head—>data);
}
2、删除一个无头单链表的非尾节点
这道头目的首先考虑极端情况,链表为空和只有一个节点,此时不删除,抛出这两种情况之后可以进行删除
将问题转换为删除要删除的节点(pos)的下一个节点,在删除前将下一个节点的值传给该要删除的节点(pos),具体实现如下
void EraseNoTail(ListNode* pos)
{
 ListNode* next = NULL;
assert(pos && pos->next);
next = pos->next;
pos->data = next->data;
pos->next = next->next;
free(next);
}
3、在无头单链表的一个节点前插入一个节点
这个问题可以这样考虑,在一个节点后插入一个节点,然后交换两个节点的位置就好了,具体实现如下
ListNode*BuyNode(DataType x)
{
ListNode* listnode = (ListNode*)malloc(sizeof(ListNode));
listnode->data = x;
listnode->next = NULL;
return listnode;
}
void InsertFront(ListNode* pos,DataType x)
{
ListNode* next = NULL;
ListNode* tmp = NULL;
assert(pos);
assert(pos->next);
next = pos->next;
tmp = BuyNode(pos->data);
pos->data = x;
pos->next = tmp;
tmp->next = next;
}
4、单链表实现约瑟夫环(一群人围坐在一起成环状,如:N 2),从某个编号开始报数(如: k 3)数到某个数(如 M)的时候某人出列,一直循环直到所有人出列。
这个问题由于要一直循直到所有人出列,对应到c语言也就是说所有的元素需要被选出来,而且其中用到循环,所以考虑使用循环链表来解决这个问题。具体实现如下。
ListNode* Josephus(ListNode* hus,size_t k)//返回幸存者,数到k的人干掉。
ListNode* next = NULL;
ListNode* man = NULL;

assert(hus);
man = hus;
man = hus;
while(man->next != man)
{
int count = k;
while(--count)
{
man = man->next;
}
next = man->next;
man->data = next->data;
man->next = next->next;
free(next);
renturn man;
}
6、逆置反转单链表
这个问题我们可以考虑在建立一个新的链表,然后使用两个指针来进行对链表的逆置。具体操作如下
newhead = NULL; cur = *ppHead; next = cur->next;把cur的next给newhead,然后把头改为cur,再把next给cur,
直到cur ==NULL
ListNode* newhead = NULL;
ListNode* cur = *ppHead;
ListNode* next = NULL;
 while(cur)
{
next = cur->next;//等于是记录cur,不然找不到cur->next
cur->next = newhead;
newhead = cur;
cur = next;
}
*ppHead = newhead;
7、单链表排序
单链表排序我们可以考虑使用快速排序和冒泡排序,选择其一即可,具体实现如下
void SortList(ListNode* pHead)
{
ListNode* cur = NULL;
ListNode* next = NULL;
ListNode* tail = NULL;
while(tail != pHead)
{
cur = pHead;
next = cur->next;
while(next != tail)
{
if(cur->data > next->data)
{
DataType tmp = cur->data;
cur->data = next->data;
next->data = tmp;
}
cur = cur->next;
next = next->next;
}
tail = next;
}
}
8、合并两个有序链表,合并后依然有序
ListNode* MergeList(ListNode* list1, ListNode*list2)
{
ListNode* list = NULL;
ListNode* tail = NULL;
if(list1 = NULL)
{
return list2;
if(list2 == NULL)
{
return list1;
}
if(list1->data < list2->data)
{
list = list1;
tail = list1;
list1 = list1->next;
}
else
{
list = list2;
tail = list2;
list2 = list2->next;
}
while(list1 && list2)
{
if(list1->data <list2->data)
{
tail->next = list1;
list1 = list1->next;
}
else
{
tali->next = list2;
list2 = list2->next;
}
tail = tail->next;
}
if(list1)
{
tail->next = list1;
}
if(list2)
{
tail->next = list2;
}
return list;
}
9、i:查找单链表的中间节点,ii:查找单链表的倒数第k个节点,只能遍历一次链表
i:这个问题我们需要考虑到快慢指针,初步的解决方案是用两个指针,一个快指针,一个慢指针,快指针一次走两步,慢指针一次走一步,当快指针为空时慢指针指向的位置就是中间节点的位置,具体实现如下
ListNode* FindMidNode(ListNode* pHead)
{
ListNode* fast = pHead;
ListNode* slow = pHead;
while(fast->next && fast && fast->next->next)
{
slow = slow->next;
fast = fast->next->next;
}
return slow;
}
ii:第二个问题是查找倒数第k个节点,我们可以这样考虑,还是需要用到指针,比如说一个5个节点的链表,我们要找倒数第3个节点,那我们需要指针走3-1步,也就是2步我们就可以到达这个节点了,所以考虑用两个指针,让一个指针先走,当第一个指针走k-1步之前第二个指针不动,当地一个指针从k-1步开始向后走时,第一个指针也开始走,那么当第一个指针到达尾节点时,第二个节点刚好走到倒数第k个节点,具体实现如下
ListNode* K_FindMidNode(ListNode* pHead, size_t k)
ListNode* fast = pHead;
ListNode* slow = pHead;
while(--K)
{
if(fast == NULL)
{
return NULL;
}
fast = fast->next;
}
while(fast->next)
{
fast = fast->next;
slow = slow->next;
return slow;
}







智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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