Recerse linked list by block

本文详细介绍了如何使用块大小进行链表反转的技术,通过实例代码演示了链表节点生成、链表遍历、块反转操作及最终结果验证的过程。重点在于理解链表操作、块反转算法的实现及其实用场景。


//Reverse linklist in block
//eg. block size is 3 and list is
//1 2 3 4 5 6 7 8
//Output: 3 2 1 6 5 4 8 7


LNK_NODE*  ReverseByBlock(LNK_NODE* pHead ,int nBlockSize)


#include <iostream>

using namespace std;

//1 2 3 4 5 6 7 8

struct Node {
    int data;
    Node *next;
};

Node *genLink() {
    Node head;
    Node *pt = &head;
    for (int i = 1; i < 9 ; ++i) {
        pt->next = new Node;
        pt->next->data = i;
        pt->next->next = NULL;
        pt = pt->next;
    }

    return head.next;
}

void rmLink(Node *head) {
    while(head) {
        Node *t = head;
        head = head->next;
        delete t;
    }
}

void print(Node *head) {
    while (head) {
        cout<<head->data<<" ";
        head = head->next;
    }
}

Node *reverseByBlock(Node *head, int n) {
    if (n <= 1)
        return head;
    
    Node root;
    Node *tail = &root;

    
    Node *fir = head;


    while (fir) {
        Node *sec = NULL;
        int i = 0;
        Node *nextTail = fir;
        while (fir && i <n) {
            Node *t = fir;
            fir = fir->next;
            t->next = sec;
            sec = t;
            ++i;
        }

        tail->next = sec;
        tail = nextTail;
    }

    return root.next;
}

int main() {
    Node *head = genLink();
    print(head);

    cout<<endl;
    Node *rh = reverseByBlock(head,1);
    print(rh);
    rmLink(rh);
}


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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