顺序表应用4-2:元素位置互换之逆置算法(数据改进)

简介: 顺序表应用4-2:元素位置互换之逆置算法(数据改进)

顺序表应用4-2:元素位置互换之逆置算法(数据改进)

Time Limit: 80 ms Memory Limit: 600 KiB

SubmitStatistic

Problem Description

一个长度为len(1<=len<=1000000)的顺序表,数据元素的类型为整型,将该表分成两半,前一半有m个元素,后一半有len-m个元素(1<=m<=len),设计一个时间复杂度为O(N)、空间复杂度为O(1)的算法,改变原来的顺序表,把顺序表中原来在前的m个元素放到表的后段,后len-m个元素放到表的前段。

注意:交换操作会有多次,每次交换都是在上次交换完成后的顺序表中进行。

Input

第一行输入整数len(1<=len<=1000000),表示顺序表元素的总数;

第二行输入len个整数,作为表里依次存放的数据元素;

第三行输入整数t(1<=t<=30),表示之后要完成t次交换,每次均是在上次交换完成后的顺序表基础上实现新的交换;

之后t行,每行输入一个整数m(1<=m<=len),代表本次交换要以上次交换完成后的顺序表为基础,实现前m个元素与后len-m个元素的交换;

Output

输出一共t行,每行依次输出本次交换完成后顺序表里所有元素。

Sample Input

10
1 2 3 4 5 6 7 8 9 -1
3
2
3
5

Sample Output

3 4 5 6 7 8 9 -1 1 2
6 7 8 9 -1 1 2 3 4 5
1 2 3 4 5 6 7 8 9 -1

Hint

Source

第一次,直接使用的暴力,直接双循环,一个一个往前推,,结果,,超时。。。超时代码如下

#include <stdio.h>
#include <stdlib.h>
typedef struct node
{
    int data[1000010];
    int last;
} ST;
void creat(ST *head)
{
    int i;
    for(i = 0; i < head->last; i++)
    {
        scanf("%d", &head->data[i]);
    }
}
void jiaohuan(ST *head, int x)
{
    int i, num;
    while(x--)
    {
        num = head->data[0];
        for(i = 0; i < head->last - 1; i++)
        {
            head->data[i] = head->data[i+1];
        }
        head->data[head->last - 1] = num;
    }
    for(i = 0; i < head->last; i++)
    {
        if(i == head->last - 1)
        {
            printf("%d\n", head->data[i]);
        }
        else
        {
            printf("%d ", head->data[i]);
        }
    }
}
int main()
{
    ST *head;
    int t, x;
    head = (ST *)malloc(sizeof(ST));
    scanf("%d", &head->last);
    creat(head);
    scanf("%d", &t);
    while(t--)
    {
        scanf("%d", &x);
        jiaohuan(head,x);
    }
    return 0;
}

问了一下度娘,,思路大致如下,

先去把整个顺序表倒置,然后把前n - m个倒置,再把最后m个倒置。。

AC代码如下

#include <stdio.h>
#include <stdlib.h>
typedef struct node
{
    int data[1000010];
    int last;
} ST;
void creat(ST *head)
{
    int i;
    for(i = 0; i < head->last; i++)
    {
        scanf("%d", &head->data[i]);
    }
}
void jiaohuan(ST *head, int x)
{
    int i, t;
    for(i = 0; i < head->last; i++)
    {
        if(i >= head->last - 1 - i)
        {
            break;
        }
        t = head->data[i];
        head->data[i] = head->data[head->last - 1 - i];
        head->data[head->last - 1 - i] = t;
    }
    for(i = 0; i < head->last - x; i++)
    {
        if(i >= head->last - 1 - i - x)
        {
            break;
        }
        t = head->data[i];
        head->data[i] = head->data[head->last - 1 - i - x];
        head->data[head->last - 1 - i - x] = t;
    }
    int num = 0;
    for(i = head->last - x; i < head->last; i++)
    {
        if(i >= head->last - 1 - num)
        {
            break;
        }
        t = head->data[i];
        head->data[i] = head->data[head->last - 1 - num];
        head->data[head->last - 1 - num] = t;
        num++;
    }
    for(i = 0; i < head->last; i++)
    {
        if(i == head->last - 1)
        {
            printf("%d\n", head->data[i]);
        }
        else
        {
            printf("%d ", head->data[i]);
        }
    }
}
int main()
{
    ST *head;
    int t, x;
    head = (ST *)malloc(sizeof(ST));
    scanf("%d", &head->last);
    creat(head);
    scanf("%d", &t);
    while(t--)
    {
        scanf("%d", &x);
        jiaohuan(head,x);
    }
    return 0;
}

敲了两边终于过了。。。


相关文章
|
机器学习/深度学习 算法 前端开发
别再用均值填充了!MICE算法教你正确处理缺失数据
MICE是一种基于迭代链式方程的缺失值插补方法,通过构建后验分布并生成多个完整数据集,有效量化不确定性。相比简单填补,MICE利用变量间复杂关系,提升插补准确性,适用于多变量关联、缺失率高的场景。本文结合PMM与线性回归,详解其机制并对比效果,验证其在统计推断中的优势。
2175 11
别再用均值填充了!MICE算法教你正确处理缺失数据
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
712 1
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
840 0
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
738 3
|
存储 监控 算法
企业电脑监控系统中基于 Go 语言的跳表结构设备数据索引算法研究
本文介绍基于Go语言的跳表算法在企业电脑监控系统中的应用,通过多层索引结构将数据查询、插入、删除操作优化至O(log n),显著提升海量设备数据管理效率,解决传统链表查询延迟问题,实现高效设备状态定位与异常筛选。
326 3
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
520 0
|
机器学习/深度学习 算法 安全
小场景大市场:猫狗识别算法在宠物智能设备中的应用
将猫狗识别算法应用于宠物智能设备,是AIoT领域的重要垂直场景。本文从核心技术、应用场景、挑战与趋势四个方面,全面解析这一融合算法、硬件与用户体验的系统工程。
1114 0
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
1046 0
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
618 2
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
541 3

热门文章

最新文章