数据结构和算法-双向链表介绍|学习笔记

简介: 快速学习数据结构和算法-双向链表介绍

开发者学堂课程【Go 语言核心编程 - 数据结构和算法: 数据结构和算法-双向链表介绍】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/627/detail/9839


数据结构和算法-双向链表介绍

 

单向链表与双向链表

(1)双向链表的基本介绍与示意图

首先要知道什么叫双向链表,双向链表就是在原先基础上可以做成这种东西,会形成这么一个情况,就是头结点还是头结点,它的前一个节点可以指向后一个节点,同样后一个节点也可以指向前一个节点,就把它叫做双向链表,它是非环形的双向链表,

如下图所示:

image.png

(2)关于方向问题

单向链表查找的方向只能是一个方向,就是它只能从头往后面,一条线的走,不能乱跑,它不能反向从尾往头走,没有这个东西,所以它只能是一个方向;而双向链表可以向前或者向后查找,效率有时能更高一点。

(3)关于自我删除问题

单向链表不能自我删除,需要靠辅助节点,打个比方,假如这里有一个链表,这个链表现在有这么几个节点,如图所示,现在有一个 temp节点在不停的找,突然 temp 找到了一个节点,是二号,它说我要把这个节点删掉,它其实没有机会删掉的,假设 temp 的指针指向了二号节点,想把二号节点从这个链表里面拿掉,根本拿不掉,因为没办法去访问到它前一个结点的 next 的字段,

具体参考下图:

 image.png

还有种列表更恐怖,它是形成一个环形的双向链表,那这个难不难呢?其实一点都不难,这个必须掌握,因为有些面试官,他喜欢问双向链表会不会用。

如果一旦上图中的形式存在了,就有个好处,即可以实现自我删除,比如现在 temp 指向了二号节点,如果想把自己删除,是非常的轻松,只需要通过这个节点访问到其前一个节点的下一个节点,让它指向它的下一个节点,然后再通过其下一个节点,找到卢俊义的下一个节点,然后再让它又指向我指向的前一个节点,这样一条线形成过后,可以看到宋江直接指向卢俊义,卢俊义直接指向宋江,那么中间的2在哪里呢?

可以看到它只有两条线,它下一个节点指向卢俊义,前一个节点指向宋江,但是没有人指向它了,于是它会成为垃圾被销毁,具体参考下图:

image.png

相关文章
|
12天前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
23 1
|
15天前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
58 4
|
13天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
13天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
21天前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
82 23
|
12天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
37 1
|
7天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
13天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
9天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
6天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。