Reverse Linked List II

本文介绍了一个算法问题:如何在一次遍历中就地反转链表的指定区间[m, n]。通过定义指针并巧妙利用指针操作实现区间内元素的反转。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Reverse a linked list from position m to n. Do it in-place and in one-pass.

For example:
Given 1->2->3->4->5->NULLm = 2 and n = 4,

return 1->4->3->2->5->NULL.

Note:
Given mn satisfy the following condition:
1 ≤ m ≤ n ≤ length of list.

pro:给一个链表,m和n其中1<=m<=n<=length of list.这保证了输入的合法性。需要将链表的第m个节点到第n个节点部分reverse。

sol:

1.义pre,cur来遍历链表,寻找到第m个节点,start记录了第m个节点。

2.定义inpre,innext,找到第m个节点后使用inpre,cur和innext来遍历m到n之间的节点,cur->next=inpre的方法来reverse链表,当cur为第n个节点时,完成逆转后跳出循环。

3.现在第m个节点是start,第n个节点是inpre(因为在break之前,cnt又走了一步),第n+1个节点是cur,第m-1个节点是pre。需要连起来三段链表:pre->next = inpre; start->next = cur;

code:


class Solution {
public:
    ListNode* reverseBetween(ListNode *head,int m,int n)
    {
        if(m==n) return head;
        ListNode *root,*pre,*cur;
        pre=new ListNode(0);
        root=pre;
        pre->next = head;
        cur=head;
        int index=1;
        ListNode *start,*end,*inpre,*innext;
        while(cur!=NULL)
        {
            if(index==m)//找到第m个
            {
                start = cur;//start是第m个
                inpre=cur;
                index++;
                cur=cur->next;
                continue;
            }
            if(index>m&&index<=n)//cur在m和n之间。顺序是inpre,cur,innnext
            {
                innext = cur->next;
                cur->next = inpre;
                inpre=cur;
                cur = innext;
                if(index==n) break;
                index++;
            }else//仍在第m个之前,pre最后记录的是第m-1个节点
            {
                pre = cur;
                cur = cur->next;
                index++;
            }
        }
        //将三段连起来
        pre->next = inpre;
        start->next = cur;
        return root->next;
    }
};






基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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