138. Copy List with Random Pointer

本文介绍两种复制带有随机指针链表的方法:一种是通过vector存储节点并设置随机指针;另一种利用哈希表实现,适用于带环链表的复制。这两种方法能够有效地解决复杂链表的深拷贝问题。

方法1:

先将节点放入vector中,先连接好每个节点的random。

class Solution {
public:
    int getNum(RandomListNode* head,RandomListNode* p)
    {
        if(p==NULL)
            return -1;
        int cnt=1;
        RandomListNode* ph=head;
        while(ph&&p!=ph)
        {
            ph=ph->next;
            cnt++;
        }
        return cnt;
    }
    
    void SetRandom(vector<RandomListNode*>& vec,RandomListNode* p,int cnt)
    {
        if(cnt==-1)
        {
            p->random=NULL;
            return;
        }
        int _size=vec.size();
        int len=cnt;
        while(len>_size)
        {
            RandomListNode* p=new RandomListNode(INT_MAX);
            vec.push_back(p);
            len--;
        }
        p->random=vec[cnt-1];
    }
    
    RandomListNode *copyRandomList(RandomListNode *head) {
        RandomListNode* Head=NULL,*pre=Head;
        RandomListNode* cur=head;
        if(head==NULL)
            return Head;
        vector<RandomListNode*> vec;
        int i=1;
        while(cur)
        {
            if(vec.size()<i)
            {
                RandomListNode *p=new RandomListNode(cur->label);
                vec.push_back(p);
                int cnt=getNum(head, cur->random);
                SetRandom(vec,p,cnt);
            }
            else
            {
                vec[i-1]->label=cur->label;
                int cnt=getNum(head, cur->random);
                SetRandom(vec,vec[i-1],cnt);
            }
            cur=cur->next;
            i++;
        }
        int _size=vec.size();
        Head=vec[0];
        pre=Head;
        for(i=1;i<_size;i++)
        {
            pre=pre->next=vec[i];
        }
        pre->next=NULL;
        return Head;
    }
}; 

方法2:

使用哈希表unordered_map

还可以轻松拷贝带环的list

class Solution {
public:
    RandomListNode *copyRandomList(RandomListNode *head) {
        if(head==NULL)
            return NULL;
        
        unordered_map<RandomListNode*, RandomListNode*> mp;
        RandomListNode *Head=new RandomListNode(head->label),*pre=Head,*cur=head;
        mp[cur]=pre;
        while(cur->next)
        {
            RandomListNode* p=new RandomListNode(cur->next->label);
            if(mp.find(cur->next)==mp.end())
                mp[cur->next]=p;
            else
                break;
            pre=pre->next=p;
            cur=cur->next;
        }
        RandomListNode* sta=NULL;
        if(cur->next==NULL)
            pre->next=NULL;
        else
            pre->next=sta=cur->next;
        cur=head;
        int cnt=0;
        while(cur)
        {
            RandomListNode* p=cur->random;
            if(p==NULL)
            {
                mp[cur]->random=NULL;
            }
            else
            {
                mp[cur]->random=mp[p];
            }
            cur=cur->next;
            if(cur==sta)
                cnt++;
            if(cnt>=2)
                break;
        }
        return Head;
        
    }
}; 


数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
<think>好的,用户的问题是关于链表节点标签13的next指针在原始链表中被修改的解决方案。首先,我需要理解用户提到的具体问题。根据引用[4]中的描述,处理链表复制时,原链表尾节点的next指针需要单独设置为null,否则会报错。用户现在遇到类似的问题,但节点标签是13,可能是在处理链表复制或其他操作时,原链表的节点13的next指针被意外修改了。 接下来,我需要参考用户提供的引用内容。引用[4]中的解决方案分为三步:复制节点、设置random指针、拆分链表。在拆分过程中,原链表的节点next指针被修改,但最终需要恢复原链表的next指针,或者确保新链表正确分离。例如,在拆分时,原链表的每个节点的next应该指向原来的下一个节点,而新链表的节点则指向复制的节点。如果在这个过程中没有正确处理,可能导致原链表的节点next指针错误,比如标签13的节点的next被修改了。 可能的错误原因有几个方面:首先,在拆分链表时,可能没有正确恢复原链表的next指针,尤其是在处理到最后一个节点时,如引用[4]提到的需要将pre.next设为null。其次,可能在循环拆分过程中,某个步骤处理不当,导致原链表节点的next指向了新链表的节点,而非原链表的下一个节点。例如,当处理到标签13的节点时,如果在拆分时没有正确跳过复制的节点,就会导致原链表的结构被破坏。 解决方案方面,引用[4]中的代码在拆分后,将原链表的尾节点的next设置为null,这可能是为了确保原链表的结构正确。但用户的问题可能出现在中间节点,比如标签13的节点,因此需要检查拆分过程中的循环逻辑是否正确处理了所有节点,尤其是当原链表的节点后面跟着复制节点时,必须正确地将原节点的next指向原链表的下一个节点,而不是复制节点。例如,在拆分循环中,原链表节点pre的next应该指向pre.next.next(即原链表的下一个节点),而新链表节点cur的next指向cur.next.next。如果在处理到标签13的节点时,循环没有正确执行这一步,就会导致next指针错误。 另外,可能还需要考虑边界情况,比如链表只有一个节点,或者要处理的节点是头节点或尾节点。例如,如果标签13的节点是原链表的尾节点,那么在拆分时可能需要像引用[4]那样单独处理,将pre.next设为null。但如果是中间节点,则需要在循环中正确更新pre和cur的next指针。 总结可能的解决步骤:1. 确保在拆分链表时,每一步都正确恢复原链表节点的next指针。2. 检查循环逻辑,尤其是处理到标签13的节点时,是否正确地跳过了复制的节点。3. 处理尾节点时,单独将原链表尾节点的next设为null,如引用[4]中的做法。4. 验证原链表在操作后的完整性,确保每个节点的next指针没有被错误修改。 此外,用户可能需要具体的代码示例来展示如何正确拆分链表,同时保持原链表的结构。根据引用[4]的代码,拆分部分的循环应该正确地将原链表和新链表分离,通过pre和cur指针分别处理原链表和新链表的next指针。如果在处理到标签13的节点时出现错误,可能需要检查循环条件是否正确,例如cur.next是否为null,或者在更新指针时是否遗漏了某个步骤。 最后,生成相关问题需要考虑用户可能进一步的问题,比如如何验证链表结构、其他常见错误或优化方法等。</think>### 链表节点标签13的next指针被修改的解决方案 当链表操作中遇到“Next pointer of node with label 13 modified in original list”报错时,通常是因为**在复制或修改链表时未正确恢复原链表的节点指针**,导致原链表结构被破坏。以下是具体原因和解决方案: --- #### 1. 问题原因分析 - **指针未恢复**:在带有复制的操作中(如复制带随机指针的链表),拆分新旧链表时,原链表的`next`指针可能被错误地指向新链表的节点。例如,标签13的原节点`next`可能未指向原链表的下一个节点,而是指向了复制节点。 - **尾节点未处理**:若标签13是原链表的尾节点,拆分后未显式设置其`next`为`null`,可能导致原链表尾指针残留引用[^4]。 --- #### 2. 解决方案 ##### 方法1:严格拆分新旧链表(参考引用[4]) 在复制链表后,通过三次遍历确保原链表和新链表完全分离: 1. **复制节点**:将新节点插入原节点之后,形成`原节点 -> 新节点 -> 原下一节点`的结构。 2. **设置随机指针**:根据原节点的`random`指针,更新新节点的`random`。 3. **拆分链表**:遍历链表,恢复原链表指针并提取新链表。 ```java // 以Java示例(基于引用[4]) public Node copyRandomList(Node head) { if (head == null) return null; Node cur = head; // 1. 复制节点 while (cur != null) { Node copy = new Node(cur.val); copy.next = cur.next; cur.next = copy; cur = copy.next; } // 2. 设置random指针 cur = head; while (cur != null) { if (cur.random != null) { cur.next.random = cur.random.next; } cur = cur.next.next; } // 3. 拆分链表 cur = head.next; Node pre = head, res = head.next; while (cur.next != null) { pre.next = pre.next.next; // 恢复原链表指针 cur.next = cur.next.next; // 构建新链表指针 pre = pre.next; cur = cur.next; } pre.next = null; // 单独处理原链表尾节点 return res; } ``` **关键点**: - **拆分时恢复原链表**:在第三步循环中,`pre`指针始终指向原链表的节点,通过`pre.next = pre.next.next`跳过复制节点,恢复原链表的`next`指针[^4]。 - **尾节点处理**:显式设置原链表尾节点的`next`为`null`,避免残留引用。 --- ##### 方法2:哈希表辅助(空间换时间) 若允许使用额外空间,可通过哈希表记录原节点到复制节点的映射,避免修改原链表: ```java public Node copyRandomList(Node head) { Map<Node, Node> map = new HashMap<>(); Node cur = head; while (cur != null) { map.put(cur, new Node(cur.val)); cur = cur.next; } cur = head; while (cur != null) { Node copy = map.get(cur); copy.next = map.get(cur.next); copy.random = map.get(cur.random); cur = cur.next; } return map.get(head); } ``` **优点**:无需修改原链表,彻底避免指针错误。 --- #### 3. 验证原链表完整性 操作后,遍历原链表并检查每个节点的`next`指针是否指向正确的原链表节点。例如,标签13的节点应满足: ```java // 假设原链表为1 -> 2 -> ... -> 13 -> 14 -> null Node node13 = head; for (int i = 1; i < 13; i++) node13 = node13.next; assert node13.next.val == 14; // 确保未被修改为复制节点 ``` ---
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