链表刷题总结
文章目录
1.分配资源ID(华为2023.4.26笔试题)
1.1题目描述
给定一个管理ID的资源池,可以从资源池中分配资源ID和释放资源ID,分配方式有动态分配和指定分配,动态分配是从资源池的开始分配一个资源ID,指定分配是指定一个资源ID进行分配,无论哪种分配方式释放资源ID时都需要放到资源池的尾部。执行一系列操作后,请问资源池的第一个空闲资源ID应该是多少?
注意:
资源池的初始顺序是从小到大。
资源池中空闲资源ID不足时,动态分配失败,对资源池不进行任何操作.
指定分配资源ID已经被占用或者不在资源池范围内时,对资源池不进行任何操作。
释放资源ID不在资源池范围内时或者已经是空闲资源ID时,对资源池不进行任何操作。
保证每个用例最后都有空闲资源ID。
解答要求
时间限制: C/C++ 100ms,其他语言: 200ms
内存限制: C/C++ 32MB.其他语言: 64MB
输入
第一行是资源池的范围:
第二行是操作个数。
第三行开始,第一个数字代表操作类型,1表示动态分配,2表示指定分配,3表示释放;
如果第一个数字是1,第二个表示分配的个数;
如果第一个数字是2,第二个表示分配的资源ID;
如果第一个数字是3,第二个表示释放的资源ID。
输出
资源池的第一个空闲资源ID
1.2输入示例
样例1:
输入: 1 3
3
2 2
3 2
1 1
输出: 3
解释: 第一行资源池范围是[1.3],资源池的初始顺序是1->2->3。
第二行操作人数有3个。
第三行指定分配1个资源ID,资源ID是2,资源池中剩余的资源ID顺序是1->3->2.
第四行释放1个资源D,资源ID是2,资源池中剩余的资源ID顺序是1->3->2.
第五行动态分配1个资源ID,分配的资源ID是1,资源池中剩余的资源ID顺序是3->2。
执行以上操作后,资源池的第一个空闲资源ID是3。
1.3思路
哈希表+双向链表
1.4代码
python:
class Node:
def __init__(self, val, pre=None, next=None) -> None:
self.val = val
self.pre = pre
self.next = next
def func():
start, end = list(map(int, input().split(' ')))
head = Node(-1)
tail = Node(-1)
head.pre = tail
head.next = tail
tail.pre = head
tail.next = head
cur = head
d = dict()
cnt = 0
for i in range(start, end+1):
node = Node(i)
d[i] = node
cnt += 1
cur.next = node
node.pre = cur
node.next = tail
tail.pre = node
cur = cur.next
n = int(input())
for _ in range(n):
oper, num = list(map(int, input().split(' ')))
if oper == 1:
if cnt <= num:
continue
cur = head.next
for i in range(num):
del d[cur.val]
nex = cur.next
cur.pre.next = cur.next
cur.next.pre = cur.pre
cur = nex
cnt -= num
elif oper == 2:
if num not in d:
continue
node = d[num]
node.pre.next = node.next
node.next.pre = node.pre
cnt -= 1
del d[num]
else:
if num in d:
continue
node = Node(num)
d[num] = node
tail.pre.next = node
node.next = tail
tail.pre = node
cnt += 1
print(head.next.val)
if __name__ == '__main__':
func()
2.LRU缓存(Leecode146)
1.1题目描述
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现 LRUCache 类:
LRUCache(int capacity) 以 正整数 作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
void put(int key, int value) 如果关键字 key 已经存在,则变更其数据值 value ;如果不存在,则向缓存中插入该组 key-value 。如果插入操作导致关键字数量超过 capacity ,则应该 逐出 最久未使用的关键字。
函数 get 和 put 必须以 O(1) 的平均时间复杂度运行。
1.2输入示例
样例1输入:
输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
1.3思路
哈希表+双向链表
1.4代码
python:
class DLinkedNode:
def __init__(self, key = 0, val = 0) -> None:
self.key = key
self.val = val
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity: int):
self.cache_dict = dict()
self.head = DLinkedNode()
self.tail = DLinkedNode()
self.head.next = self.tail
self.tail.prev = self.head
self.size = 0
self.capacity = capacity
def get(self, key: int) -> int:
if key in self.cache_dict:
node = self.cache_dict[key]
#将node移到表头
node.prev.next = node.next
node.next.prev = node.prev
node.prev = self.head
node.next = self.head.next
self.head.next.prev = node
self.head.next = node
return node.val
return -1
def put(self, key: int, value: int) -> None:
if key in self.cache_dict:
node = self.cache_dict[key]
node.val = value
#删除原node
node.prev.next = node.next
node.next.prev = node.prev
#将node放到表头
self.head.next.prev = node
node.prev = self.head
node.next = self.head.next
self.head.next = node
self.cache_dict[key] = node
else:
if self.size < self.capacity:
self.size += 1
node = DLinkedNode(key, value)
#将node放到表头
self.head.next.prev = node
node.prev = self.head
node.next = self.head.next
self.head.next = node
self.cache_dict[key] = node
else:
node = DLinkedNode(key, value)
#将node放到表头
self.head.next.prev = node
node.prev = self.head
node.next = self.head.next
self.head.next = node
self.cache_dict[key] = node
#删除表尾的元素
last_node = self.tail.prev
self.cache_dict.pop(last_node.key)
last_node.prev.next = self.tail
self.tail.prev = last_node.prev
总结
后期会不定期更新更多题解。