Leetcode 24 :Swap Nodes in Pairs

本文介绍了一种在链表中交换每对相邻节点的算法实现。该算法仅使用常数空间,通过调整指针指向来完成节点交换,而不改变节点内的数值。文中提供了两种不同的C++实现方式。

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

题目大意:给定一个链表,交换其中相邻的2个元素

Given a linked list, swap every two adjacent nodes and return its head.

For example,
Given 1->2->3->4, you should return the list as 2->1->4->3.

Your algorithm should use only constant space. You may not modify the values in the list, only nodes itself can be changed.

Subscribe to see which companies asked this question


/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    ListNode* swapPairs(ListNode* head) {
        
        if(head == NULL) return NULL;
        
        if(head != NULL && head->next == NULL) return head;
        
        ListNode* headF = new ListNode(0);
        headF->next = head;
        
        ListNode* headO = headF;
        while(headO->next != NULL && headO->next->next != NULL)
        {
            //
            ListNode* tmpN1 = headO->next->next->next;

            ListNode* tmpN = headO->next;
            
            headO->next = headO->next->next;
            
            headO->next->next = tmpN;
            
            headO->next->next->next = tmpN1;
            
            headO = headO->next->next;
        }
        
        ListNode*Re = headF->next;
        
        delete headF;
        
        return Re;
    }
};
class Solution {
public:
    ListNode* swapPairs(ListNode* head) {
        bool first = true;
        ListNode *pFirst = head, *pSecond = NULL, *pTail = NULL, *ret = head;
        while (pFirst && pFirst -> next) {  // 判断是否存在两个后继元素
            pSecond = pFirst -> next;       // 获取pSecond
            if (first) ret = pSecond;       // 处理链表头
            if (!first) pTail -> next = pSecond;    // 处理链表中段
            pFirst -> next = pSecond -> next;   
            pSecond -> next = pFirst;       // 交换元素
            pTail = pFirst;                 // 更新链表末尾
            
            pFirst = pFirst -> next;        // 进行到下一个元素
            first = false;
        }
        return ret;
    }
};



内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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