LeetCode-142. Linked List Cycle II(详细证明)与龟兔赛跑算法

这道题目是141. Linked List Cycle的加成版https://leetcode.com/problems/linked-list-cycle/,思路都是“龟兔赛跑追及问题必相遇”,但这条需要确定环的入口节点。我们需要定量化一下:

                 

pSlow是慢指针,pFast为2倍速指针

当pSlow经过i(i=4)“单位步长”首次到达Entry节点时,pFast已经走了8(2i=8)单位步长(如图)

                

假设某个时刻相遇在Hit节点,假设顺时针方向Entry节点到Hit节点有b单位步长,Hit到Entry节点有c单位步长,环的长度为L=b+c,pSlow走过的单位步长为i,pSlow在环中走了 圈, ,因为运动时间相同速度二倍的关系pFast走过的步长为2i, pFast在环中走了 圈, ,则有下式:假设某个时刻相遇在Hit节点,假设顺时针方向Entry节点到Hit节点有b单位步长,Hit到Entry节点有c单位步长,环的长度为L=b+c,pSlow走过的单位步长为i,pSlow在环中走了 圈, ,因为运动时间相同速度二倍的关系pFast走过的步长为2i, pFast在环中走了 圈, ,则有下式:

                                           

 

代码如下:

public class Solution {
    public ListNode detectCycle(ListNode head) {
        if(head==null || head.next==null)
            return null;
        if(head.next==head)
            return head;
        ListNode pFast=head;
        ListNode pSlow=head;
        while(true)
        {
            if(pFast.next==null || pFast.next.next==null)
                return null;
            pFast=pFast.next.next;
            pSlow=pSlow.next;
            if(pFast==pSlow)
            {
                pSlow=head;
                while(pFast!=pSlow)
                {
                    pFast=pFast.next;
                    pSlow=pSlow.next;
                }
                return pFast;
            }
        }
    }
}
}

速度还是蛮快的。

在wikipedia上查了cycle detection(https://en.wikipedia.org/wiki/Cycle_detection)的问题里面的理论阐释蛮多的。wiki介绍了还有一个Brent算法,代码如下:

public class Solution {
    public static ListNode detectCycle(ListNode head){
		if(head==null || head.next==null)
            return null;
		int power=1;
		int lambda=1;
		ListNode pSlow=head;
		ListNode pFast=pSlow.next;
		while(pSlow!=pFast)
		{
			if(power==lambda)
			{
				pSlow=pFast;
				power*=2;
				lambda=0;
			}
            if(pFast==null)
                return null;
			pFast=pFast.next;
			lambda+=1;
		}
		
		pSlow=head;
		pFast=head;
		for(int i = 0;i < lambda;i++)
			pFast = pFast.next;
		while(pSlow != pFast)
		{
			pSlow = pSlow.next;
			pFast = pFast.next;
		}
		return pSlow;
	}
}

可耻的翻译了一段wiki原文(勿喷):

                                                        

2倍速指针的妙处!!!

最早遇到这个问题是在刷LeetCode-287. Find the Duplicate Number:https://leetcode.com/problems/find-the-duplicate-number/看到了有趣的龟兔赛跑的算法,感觉惊为天人的tricks,这大概就是算法之美吧,美得令人陶醉,就是朴素的让人看到思路就想去写出代码的额冲动!

那个题目将指针换成了数组索引,但思路就是双指针追及,代码如下:

class Solution {
    public int findDuplicate(int[] nums) {
        int pFast=0,pSlow=0;
        while(true)
        {
            pSlow=nums[pSlow];
            pFast=nums[nums[pFast]];
            if(pSlow==pFast)
            {
                pFast=0;
                while(pFast!=pSlow)
                {
                    pFast=nums[pFast];
                    pSlow=nums[pSlow];
                }
                return pFast;
            }          
        }
    }
}

 

 

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
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