LeetCode - Rotate Array

本文介绍了一种旋转数组的方法,通过只使用常数级别的额外空间来实现旋转操作,同时保持时间复杂度为O(n)。

https://leetcode.com/problems/rotate-array/

Rotate an array of n elements to the right by k steps.

For example, with n = 7 and k = 3, the array [1,2,3,4,5,6,7] is rotated to [5,6,7,1,2,3,4].

Note:
Try to come up as many solutions as you can, there are at least 3 different ways to solve this problem.

[show hint]

Hint:
Could you do it in-place with O(1) extra space?

Related problem: Reverse Words in a String II

这道题如果用extra space O(n)的话很简单,就是把第i个元素移动到 (i+k)%size 位置就行。

但是如果只能用O(1) extra space的话,就是把一个元素移动到它对应的新位置,再把新位置的元素移动到下一个新位置,直到又回到初始位置为止。但这样的话,进行了一个圈,回到初始位置后,不一定是把数组中所有位置都移动了,而是看(size, k)的最大公约数,一共有gcd个圈,每个圈的起始位置是 0,1,2,... (gcd-1),但是这里没必要算出来gcd,只需要有一个counter变量,记录移了几个数了,一圈后,如果counter==size,说明移完了,如果counter<size,说明没移完,则把起始位置加1,继续移动新圈。这样的话,空间复杂度O(1),时间复杂度O(n)

代码如下:

    public void rotate(int[] nums, int k) {
        int size = nums.length;
        int counter = 0;
        int start = 0;
        while(counter<size){
            int last = start;
            int next = (start+k)%size;
            int val = nums[last];
            do{
                int tmp = nums[next];
                nums[next] = val;
                val = tmp;
                last = next;
                next = (next+k)%size;
                counter++;
            }while(last!=start);
            
            start++;
        }
    }


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
方法一中使用额外数组的原因在于如果我们直接将每个数字放至它最后的位置,这样被放置位置的元素会被覆盖从而丢失。因此,从另一个角度,我们可以将被替换的元素保存在变量 \textit{temp}temp 中,从而避免了额外数组的开销。 我们从位置 00 开始,最初令 \textit{temp}=\textit{nums}[0]temp=nums[0]。根据规则,位置 00 的元素会放至 (0+k)\bmod n(0+k)modn 的位置,令 x=(0+k)\bmod nx=(0+k)modn,此时交换 \textit{temp}temp 和 \textit{nums}[x]nums[x],完成位置 xx 的更新。然后,我们考察位置 xx,并交换 \textit{temp}temp 和 \textit{nums}[(x+k)\bmod n]nums[(x+k)modn],从而完成下一个位置的更新。不断进行上述过程,直至回到初始位置 00。 容易发现,当回到初始位置 00 时,有些数字可能还没有遍历到,此时我们应该从下一个数字开始重复的过程,可是这个时候怎么才算遍历结束呢?我们不妨先考虑这样一个问题:从 00 开始不断遍历,最终回到起点 00 的过程中,我们遍历了多少个元素? 由于最终回到了起点,故该过程恰好走了整数数量的圈,不妨设为 aa 圈;再设该过程总共遍历了 bb 个元素。因此,我们有 an=bkan=bk,即 anan 一定为 n,kn,k 的公倍数。又因为我们在第一次回到起点时就结束,因此 aa 要尽可能小,故 anan 就是 n,kn,k 的最小公倍数 \text{lcm}(n,k)lcm(n,k),因此 bb 就为 \text{lcm}(n,k)/klcm(n,k)/k。 这说明单次遍历会访问到 \text{lcm}(n,k)/klcm(n,k)/k 个元素。为了访问到所有的元素,我们需要进行遍历的次数为 作者:LeetCode-Solution 链接:https://leetcode.cn/problems/rotate-array/solution/xuan-zhuan-shu-zu-by-leetcode-solution-nipk/ 来源:力扣(LeetCode) 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
02-08
评论
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