当前位置:

首页 > 编程开发 > 循环步进移除元素实现列表重排方法

循环步进移除元素实现列表重排方法

本文详细阐述了如何通过循环步进的方式,从一个动态列表中按特定规则移除元素并构建新的序列。核心方法是利用LinkedList的高效移除特性,结合模运算(%)精确计算每次移除的元素索引,以适应列表大小的动态变化和循环特性,直至所有元素被处理完毕。

本文目录

    循环步进移除列表元素实现特定顺序重排

    本文详细阐述了如何通过循环步进的方式,从一个动态列表中按特定规则移除元素并构建新的序列。核心方法是利用 `LinkedList` 的高效移除特性,结合模运算 (`%`) 精确计算每次移除的元素索引,以适应列表大小的动态变化和循环特性,直至所有元素被处理完毕。

    问题描述

    假设有一个圆桌,上面摆放着 numberOfDishes 份菜肴,从 1 到 numberOfDishes 依次编号。一个人想按照特定的规则品尝所有菜肴:他将从当前位置开始,每隔 everyDishNumberToEat - 1 份菜肴(即品尝第 everyDishNumberToEat 份)就品尝一份,直到所有菜肴都被品尝完毕。每次品尝后,该菜肴就会从圆桌上移除。我们需要确定菜肴被品尝的顺序。

    示例:

    • numberOfDishes = 10
    • everyDishNumberToEat = 3
    • 初始菜肴列表:[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

    期望输出的品尝顺序:[3, 6, 9, 2, 7, 1, 8, 5, 10, 4]

    核心逻辑解析

    解决此类问题的关键在于正确处理两个方面:动态列表的元素移除和循环索引的计算。

    1. 动态列表的选择: 由于我们需要频繁地从列表中移除元素,且每次移除后列表的索引会发生变化,使用 java.util.LinkedList 是一个高效的选择。LinkedList 在头部或中间进行元素移除操作时,性能优于 ArrayList。

    2. 循环索引计算: 这是问题的核心。每次品尝菜肴时,我们需要根据 everyDishNumberToEat 来确定下一个要移除的元素。由于列表是“圆桌”式的,且每次移除后列表大小会减小,我们需要使用模运算 (%) 来确保索引始终在当前列表的有效范围内,并实现循环查找。

      • 步长 (step) 的确定: 如果要品尝“每第 everyDishNumberToEat 份”菜肴,这意味着从当前位置跳过 everyDishNumberToEat - 1 份菜肴。因此,实际的步长 step 应该设置为 everyDishNumberToEat - 1。
      • 索引更新公式: 每次迭代,新的索引 i 应根据当前索引、步长和当前列表大小来计算: i = (i + step) % dishes.size(); 这个公式确保了:
        • i + step 实现了步进。
        • % dishes.size() 实现了“圆桌”的循环特性,即使 i + step 超出了当前列表的末尾,也能回到列表的开头。
        • 每次 dishes.size() 都会减小,模运算能够自适应地调整索引范围。
    3. 循环终止条件: 品尝过程应持续进行,直到所有菜肴都被品尝完毕。因此,一个 while (!dishes.isEmpty()) 循环是合适的,它会一直执行直到 dishes 列表为空。

    实现步骤

    1. 初始化列表: 创建一个 LinkedList 来存储初始的菜肴编号,从 1 到 numberOfDishes。同时,创建一个 ArrayList 来存储最终的品尝顺序。
    2. 设置步长: 计算实际的步长 step = everyDishNumberToEat - 1。
    3. 循环品尝: 使用 while 循环,只要菜肴列表不为空,就执行以下操作:
      • 根据公式 i = (i + step) % dishes.size(); 更新当前要移除的菜肴的索引 i。
      • 从 dishes 列表中移除位于索引 i 的菜肴,并将其添加到结果列表中。
    4. 返回结果: 循环结束后,返回存储品尝顺序的结果列表。

    示例代码

    以下是基于上述逻辑的 Java 实现:

    import java.util.ArrayList;
    import java.util.LinkedList;
    import java.util.List;
    
    public class DishOrderDeterminer {
    
        /**
         * 根据特定规则确定菜肴的品尝顺序。
         *
         * @param numberOfDishes        菜肴的总数量。
         * @param everyDishNumberToEat  每次品尝的步长(例如,3 表示每第3份)。
         * @return 菜肴被品尝的顺序列表。
         */
        public static List determineDishOrder(int numberOfDishes, int everyDishNumberToEat) {
            // 使用 LinkedList 存储待品尝的菜肴,因为它在中间移除元素效率较高。
            List dishes = new LinkedList<>();
            // 使用 ArrayList 存储品尝的顺序。
            List result = new ArrayList<>();
    
            // 初始化菜肴列表,编号从 1 到 numberOfDishes。
            for (int i = 1; i <= numberOfDishes; i++) {
                dishes.add(i);
            }
    
            // 计算实际的步长。如果每 everyDishNumberToEat 份品尝一次,
            // 那么从当前位置需要跳过 everyDishNumberToEat - 1 个位置。
            int step = everyDishNumberToEat - 1;
            // 当前要移除的元素的索引,初始为 0。
            int currentIndex = 0;
    
            // 循环直到所有菜肴都被品尝完毕。
            while (!dishes.isEmpty()) {
                // 计算下一个要移除的菜肴的索引。
                // (currentIndex + step) 实现了步进。
                // % dishes.size() 实现了循环特性,并适应列表大小的动态变化。
                currentIndex = (currentIndex + step) % dishes.size();
    
                // 移除当前索引处的菜肴,并将其添加到结果列表中。
                int eatenDish = dishes.remove(currentIndex);
                result.add(eatenDish);
            }
    
            return result;
        }
    
        public static void main(String[] args) {
            // 示例 1
            int numberOfDishes1 = 10;
            int everyDishNumberToEat1 = 3;
            System.out.println("Input: numberOfDishes = " + numberOfDishes1 + ", everyDishNumberToEat = " + everyDishNumberToEat1);
            System.out.println("Output: " + determineDishOrder(numberOfDishes1, everyDishNumberToEat1)); // 期望: [3, 6, 9, 2, 7, 1, 8, 5, 10, 4]
    
            System.out.println("---");
    
            // 示例 2
            int numberOfDishes2 = 5;
            int everyDishNumberToEat2 = 2;
            System.out.println("Input: numberOfDishes = " + numberOfDishes2 + ", everyDishNumberToEat = " + everyDishNumberToEat2);
            System.out.println("Output: " + determineDishOrder(numberOfDishes2, everyDishNumberToEat2)); // 期望: [2, 4, 1, 5, 3]
        }
    }

    运行结果:

    Input: numberOfDishes = 10, everyDishNumberToEat = 3
    Output: [3, 6, 9, 2, 7, 1, 8, 5, 10, 4]
    ---
    Input: numberOfDishes = 5, everyDishNumberToEat = 2
    Output: [2, 4, 1, 5, 3]

    注意事项与总结

    • 数据结构选择: LinkedList 在频繁的中间元素移除操作上表现更优,而 ArrayList 在随机访问上更优。对于本问题,LinkedList 是更合适的选择。
    • 索引的动态性: 务必理解 currentIndex = (currentIndex + step) % dishes.size(); 这行代码的含义。它不仅处理了循环性,还适应了列表因元素移除而不断减小的大小。
    • 步长计算: everyDishNumberToEat 是指“第 N 份”,而索引是从 0 开始的,并且是相对于当前位置的“跳过”数量。因此,步长应为 everyDishNumberToEat - 1。
    • 循环条件: 使用 while (!dishes.isEmpty()) 确保所有元素都被处理,而不是固定次数的 for 循环,因为列表大小在变化。

    通过掌握上述核心逻辑和实现细节,可以有效地解决这类基于循环步进和动态列表移除的问题。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    GitHub Copilot模型停用后会自动替换吗,哪些事情仍需提前确认?
    GitHub Copilot模型停用后会自动替换吗,哪些事情仍需提前确认?

    Copilot停用旧模型不等于自动迁移;区分移除、组织模型启用、工作流切换与个人年订阅例外。

    GitHub Actions重跑失败作业会使用最新代码吗
    GitHub Actions重跑失败作业会使用最新代码吗

    解释已有运行重跑的提交和权限边界,给出确认、失败作业重跑及结果核对命令,区分漏触发事件。

    chat-demo v0.1.1怎么本地运行并理解DeepSeek历史数据边界
    chat-demo v0.1.1怎么本地运行并理解DeepSeek历史数据边界

    chat-demo v0.1.1可以作为静态聊天客户端在本地运行,但模型、搜索、文件和语音能力仍由DeepSeek API提供。源码运行环境为Node.js 22.12及以上、Git与pnpm。Demo版本号不等于应用API版本;这套应用API未单独标版本,默认聊天模型ID是deepseek-flash。

    GitHub Copilot CLI v1.0.111的用量图与上下文比例应该怎样理解
    GitHub Copilot CLI v1.0.111的用量图与上下文比例应该怎样理解

    理解GitHub Copilot CLI v1.0.111的高级请求百分比、用户提示活动图与实际路由模型窗口,区分显示口径和任务状态。

    n8n 2.47.6、2.47.7、2.48.3 Beta、2.48.4 Beta、3.2.2预发布与1.123.96适用哪些安全修复?
    n8n 2.47.6、2.47.7、2.48.3 Beta、2.48.4 Beta、3.2.2预发布与1.123.96适用哪些安全修复?

    按维护分支、利用权限与节点类型对应四项修复,区分正式补丁、Beta和临时缓解的适用边界。

    GitHub合并故障的已缓解、监控与已解决有什么不同
    GitHub合并故障的已缓解、监控与已解决有什么不同

    GitHub合并故障中的“已缓解并监控”和“已解决”不能互换。前者表示影响已经采取措施缓解,仍在观察稳定性;后者是供应商正式结束这场事故的状态。11月13日的Pull Requests合并超时事件先进入监控,随后于北京时间11月14日02:29标记为已解决。

    llama.cpp v1.0.0的网页聊天分组与Markdown编辑适合哪些场景
    llama.cpp v1.0.0的网页聊天分组与Markdown编辑适合哪些场景

    llama.cpp v1.0.0改善聊天组织、长消息编辑和附件预览;界面变化与底层API迁移、缓存及访问边界需要分别理解。

    Postman 12.36.4 更新后仍报错,怎么判断是哪一层的问题
    Postman 12.36.4 更新后仍报错,怎么判断是哪一层的问题

    Postman 12.36.4 更新后仍有异常时,可按应用、API请求和平台服务区分问题范围,避免把补丁版本当作故障原因。

    n8n 2.47.6、2.48.3 Beta与1.123.96适合哪些部署环境?
    n8n 2.47.6、2.48.3 Beta与1.123.96适合哪些部署环境?

    按正式、预发布和1.x维护渠道对应补丁,再结合Redis、Agent端点和Pinecone索引判断适用范围。

    Codex CLI 0.169.0与0.171.0-alpha.2怎样选择,终端工作区适合哪些任务
    Codex CLI 0.169.0与0.171.0-alpha.2怎样选择,终端工作区适合哪些任务

    Codex CLI 0.169.0提供有明确说明的终端工作区能力;0.171.0-alpha.2为预发布,当前没有功能清单,选用时应分开评估。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。