Leetcode-876.链表的中间结点-剑指22.到数第K个结点(快慢指针)

中间结点

在这里插入图片描述
这种链表的题,找第几个结点,有个很骚的解法,就是用计数器找到那个结点,但是感觉完全避开了他想考察的算法。这种题应该要能熟练使用快慢指针这种算法。

这种算法就根据题目来一边分析一边介绍其用处
根据题目
要寻找中间的结点,如果是有两个中间结点,就返回第二个结点。
通常是设置一个快指针,一个慢指针。而快指针的速度是慢指针的两倍。也就是每次快指针一次走两个元素,而慢指针一次走一个元素。
它要找中间结点。

初始时
在这里插入图片描述
移动
在这里插入图片描述
再移动
在这里插入图片描述
这一步就已经达到目的了,慢指针移动到了中间结点,而此时,循环应该已经结束了,而快指针则是到了最后一个元素,这应该是一个循环结束的条件。

当有两个中间结点时。
在这里插入图片描述
移动

在这里插入图片描述
移动,慢指针已经到了第一个中间结点,再移动一次就可以到达第二个中间结点。
在这里插入图片描述
这种情况下, 快指针应该是走到了最后一个指针的next时,才结束循环移动。

一种是当快指针移动到最后一个结点时,循环结束,
一种是当快指针移动到最后一个结点的next时才结束循环。

总结一下条件是
fast==NULL结束条件对应有两个中间结点的情况,
fast->next == NULL,是对应只有一个中间结点的情况

无论哪种情况,都是快指针走两个结点,慢指针走一个结点。
当循环遇到两个条件中的y一个都要结束循环,返回慢指针

struct ListNode* middleNode(struct ListNode* head)
{
    struct ListNode* fast = head;
    struct ListNode* slow = head;
    while (fast && fast->next)
    {
        fast = fast->next->next;
        slow = slow->next;
    }
    return slow;
}

再来看看利用快慢指针的另一道题

倒数第K个结点

在这里插入图片描述
这就比较不太一样。这是规定好特定的结点。但我们结束快指针移动到最后一个结点或NULL时结束,也就是说,当快指针移动到末尾时,慢指针要正好移动到到数第K个结点。
意味着,快指针于慢指针相差K个结点。
可以让快指针先走K个结点,再快慢指针一起走,当结束时,正好在倒数第K个结点处。

先走K个结点
在这里插入图片描述
再两指针一起走
在这里插入图片描述

继续
在这里插入图片描述

继续
在这里插入图片描述
最后一步
在这里插入图片描述
因为是倒数第K个快指针如果再最后一个结点,那么慢指针与快指针相差两个结点,就是倒数第3个结点,所以快指针要在NULL时,才满足。

struct ListNode* getKthFromEnd(struct ListNode* head, int k)
{
    struct ListNode* fast=head;
    struct ListNode* slow=head;
    for(int i=0;i<k;i++)
    {
     	if(fast==NULL)
            return NULL;
        fast=fast->next;
    }
    while(fast)
    {
        fast=fast->next;
        slow=slow->next;
    }
    return slow;
}

上面都是常规情况,但是还有一些比较奇怪的测试用例。
比如k会超过链表的结点数,那就只能在快指针达到NULL是就提前结束。
或者本身就是一个空链表,那就也是直接结束。
快慢指针感觉挺巧妙的,可以好好理解使用。

  • 8
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 13
    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《算法竞赛进阶南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论 13
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