新闻详情

新闻详情

首页 / 资讯中心 / 详情

双指针算法:处理数组中的0

发布时间:2026/11/17 4:44:47来源:尧图网络
双指针算法:处理数组中的0
1.移动零将数组中的0移动至末尾同时不改变其它元素的顺序。力扣原链接283. 移动零 - 力扣LeetCode设置指针left和rightleft初始为-1right为0.当right指向非零元素left, 这样left要么和right指向同一地点要么刚好跳到需要交换的0这么一交换0就被挪到后面去了。class Solution { public: void moveZeroes(vectorint nums) { for (int left -1, right 0; right nums.size(); right) { if (nums[right]) { left; swap(nums[right], nums[left]); } } } };2.复写零把数组中的零重复写一遍数组长度不变因此末尾的一些元素会被挤掉。1089. 复写零 - 力扣LeetCode第一步我们要先找到复写后最后一个元素的位置因此我们使用了两个指针slow和fast。fast负责遍历数组遇到0让slow移动两位遇到非0slow移动一位当slow超出数组范围时我们便break。第二步break之后fast刚好停在目标位置而slow则会停在size的位置但这里存在一种特殊情况会使得slow停在size 1的位置这点我们稍后再说。第三步在正常情况下我们让slow--回到合法位置然后利用fast从后往前赋值。当fast指向非0元素时我们把fast赋给slow相当于把非零元素往前挪了一位二者同时--直到fast指向0我们让slow--两次每次把该位置赋成0让后让fast--这就是复写了0。最后再说特殊情况。特殊示例vector8 4 5 0 0 0 0 7 size size 10 1 2 3 4 5 6 7 8 9如果没有特殊处理当fast来到第三个0时slow来到了下标为9即size 1的位置。普通的slow--会出问题所以我们需要让slow-3来到下标6处即最后元素的前一位fast也要减减也来到下标6处之后开始复写而最后一位7则要手动赋成0。class Solution { public: void duplicateZeros(vectorint arr) { int fast 0, slow 0, n arr.size(); while (fast arr.size()) { if (arr[fast]) { slow; } else { slow 2; } if (slow n) { break; } fast; } if (slow n) { arr[n - 1] 0; slow - 3; fast--; } else slow--; while (fast 0) { if (arr[fast]) { arr[slow] arr[fast]; fast--; slow--; } else { arr[slow--] 0; arr[slow--] 0; fast--; } } } };
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉