LeetCode 61. Rotate List

本文提供两种解决LeetCode 61题“旋转链表”的方法:一种时间复杂度为O(n),通过重新连接链表节点实现;另一种时间复杂度为O(1),通过巧妙地调整指针来完成链表的旋转。

LeetCode 61. Rotate List

Solution1:我的答案
复杂度 O(n) O ( n ) ,还有一种复杂度为 O(1) O ( 1 ) 的算法
注意一点,在处理之前,需要k对链表长度取模,否则时间会超时。
处理链表的思想就是,先串成串,再断开~

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    ListNode* rotateRight(ListNode* head, int k) {
        int length = 0;
        struct ListNode* count = head;
        while (count) {count = count->next; length++;}
        if (length == 0 || length == 1)
            return head;
        k %= length;
        if (k == 0) return head;
        struct ListNode* cur = head, *temp_start = head, *temp_end = head;
        while (temp_end->next) temp_end = temp_end->next;
        for (int i = 0; i < k; i++) {
            temp_end->next = temp_start;
            while (temp_start->next != temp_end) temp_start = temp_start->next;
            temp_start->next = NULL;
            struct ListNode* temp = temp_end;
            temp_end = temp_start;
            temp_start = temp;
        }
        return temp_start;
    }
};

Solution2:我的答案
复杂度为 O(1) O ( 1 ) 的算法
参考网址:http://www.cnblogs.com/grandyang/p/4355505.html
相同的算法,别人实现起来就是简单好多~~~

class Solution {
public:
    ListNode *rotateRight(ListNode *head, int k) {
        if (!head) return NULL;
        int n = 1;
        ListNode *cur = head;
        while (cur->next) {
            ++n;
            cur = cur->next;
        }
        cur->next = head;
        int m = n - k % n;
        for (int i = 0; i < m; ++i) {
            cur = cur->next;
        }
        ListNode *newhead = cur->next;
        cur->next = NULL;
        return newhead;
    }
};
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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