算法练习Day4 (Leetcode/Python-链表)

24. Swap Nodes in Pairs

Given a linked list, swap every two adjacent nodes and return its head. You must solve the problem without modifying the values in the list's nodes (i.e., only nodes themselves may be changed.)
Input: head = [1,2,3,4]
Output: [2,1,4,3]

思路:

元素互换关键就是修改对应node.next的指向。

每次互换两个Nodes(比如node1和node2),其实涉及三个Node,node1, node2, node2.next(的地址)。为了方便指代第一个node,再加一个dummy_head。那么总共就是要记住四个Node:dummy_head,node1,node2,node2.next(的地址)。node1和node2.next都先用temp1和temp记住。第一次赋值,直接用dummy_head.next = dummy_head.next.next也就使用完了node2的地址。接下来再用temp和temp1记住的地址赋值来实现互换即可。

同时,这也可以写成【迭代法】。但是迭代法就不设置dummy_head了,每组node1和node2互换后,node1才是继续接下一组的node,node1.next也才是每轮迭代的output。具体实现看代码。

Solution:

class Solution(object):
    def swapPairs(self, head):
        """
        :type head: ListNode
        :rtype: ListNode
        """
        dummy_head = ListNode(next=head)
        current = dummy_head
        
        while current.next and current.next.next: # cur 1 2 3 4 -> cur 2 1 3 4
            temp = current.next # temp = ori1
            temp1 = current.next.next.next # temp2 = ori3
            
            current.next = current.next.next # cur ori2 ori2 ori3 ori4
            temp.next = temp1 # ori1.next = ori3
            current.next.next = temp #cur new2 ori1

            current = current.next.next
        return dummy_head.next 
# 迭代法
class Solution(object):
    def swapPairs(self, head):
        """
        :type head: ListNode
        :rtype: ListNode
        """
        if head is None or head.next is None:
            return head
        
        # pre and cur are two nodes to swap 
        pre = head
        cur = head.next
        next = head.next.next 

        cur.next = pre # swap cur and pre

        pre.next = self.swapPairs(next) #将以next为head 的后续链表两两交换
        return cur 
        

Time complexity: O(n)

Space complexity: O(1)

19. Remove Nth Node From End of List

Given the head of a linked list, remove the nth node from the end of the list and return its head.

Input: head = [1,2,3,4,5], n = 2
Output: [1,2,3,5]

Solution:

思路:brute force: 先看整个链表的总长,减去n,即为要被移除的元素的index。但更简单的方法是用快慢指针,这样不用遍历两次链表。那就是让快指针比慢指针快n个元素,然后快指针再和慢指针一块出发知道快指针指向最后一个元素,那时慢指针指向的元素的下一个就是要被移除的。

注意!这里写for循环时应该是让快指针先走n步,所以是range(n+1)不是range(n),算不清楚的时候举个具体的例子。具体见代码里的comment。

注意!本题中写while的时候,不要写fast.next。具体如下。

while fast: # 注意!不是fast.next!!!! 如果是fast.next的话,在最后一次进入while时,fast=fast.next=None.对Nonetype.next是没有意义的会报错!!!
            slow = slow.next
            fast = fast.next

# Definition for singly-linked list.
# class ListNode(object):
#     def __init__(self, val=0, next=None):
#         self.val = val
#         self.next = next
class Solution(object):
    def removeNthFromEnd(self, head, n):
        """
        :type head: ListNode
        :type n: int
        :rtype: ListNode
        """
        dummy_head = ListNode(0, next=head) # Example: dummy_head 1th 2th 3th(3th from end) 4th(2th from end) 5th(1th from end) 
        fast,slow = dummy_head,dummy_head 
        for i in range(n+1): # if n = 2 # 是n还是n+1,举个简单的例子推导一下。
            fast = fast.next
        # fast = 3th

        while fast: # 注意!不是fast.next!!!! 如果是fast.next的话,在最后一次进入while时,fast=fast.next=None.对Nonetype.next是没有意义的会报错!!!
            slow = slow.next
            fast = fast.next
        # slow = 3th
        # fast = 5th
            
        slow.next = slow.next.next
        # 3th.next = 5th 

        return dummy_head.next 

面试题 02.07. 链表相交

给你两个单链表的头节点 headA 和 headB ,请你找出并返回两个单链表相交的起始节点。如果两个链表没有交点,返回 null 。题目数据 保证 整个链式结构中不存在环。

输入:intersectVal = 8, listA = [4,1,8,4,5], listB = [5,0,1,8,4,5], skipA = 2, skipB = 3
输出:Intersected at '8'
解释:相交节点的值为 8 (注意,如果两个链表相交则不能为 0)。
从各自的表头开始算起,链表 A 为 [4,1,8,4,5],链表 B 为 [5,0,1,8,4,5]。
在 A 中,相交节点前有 2 个节点;在 B 中,相交节点前有 3 个节点。

思路:

所谓交点,就是两个链表各自在某一个node指向了相同的next node。

如果两个链表最后有相同的部分,假设A是更长的链表,那么一定只可能是在index = len(A)-len(B)(对更长的链表记)之后的node。所以,先计算两个链表各自的长度,再算出index。对于这个index,找到对应在两个链表里的node位置,相当于两个指针,然后一起每次指向next,如果next相等,则可以merge。

Tips: A、B链表不一定谁最长,但可以假设A是最长的那个,做这种调换:

            curA, curB = curB, curA
            lengthA, lengthB = lengthB, lengthA

反正最后输出起始的相交节点即可,无所谓A、B到底是啥。

Solution:

class Solution(object):

    def getIntersectionNode(self, headA, headB):
        """
        :type head1, head1: ListNode
        :rtype: ListNode
        """
        lengthA,lengthB = 0,0
        cur = headA
        while cur:
            cur = cur.next
            lengthA += 1
        cur = headB
        while cur:
            cur = cur.next
            lengthB += 1
        curA, curB = headA, headB

        if lengthB<lengthA:
            curA, curB = curB, curA
            lengthA, lengthB = lengthB, lengthA
        for _ in range(lengthB-lengthA):
            curB = curB.next
        while curA:
            if curA == curB:
                return curA
            else:
                curA = curA.next
                curB = curB.next
        return None
        

  • 24
    点赞
  • 21
    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。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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