当前位置: 首页 > news >正文

LeetCode 08.06 面试题 汉诺塔 (Java)

经典递归解决汉诺塔问题:清晰的三步移动策略

问题描述

在汉诺塔问题中,有 3 根柱子和 N 个大小不同的盘子,盘子初始按升序堆叠在第一根柱子上(最小的在顶部)。目标是将所有盘子移动到第三根柱子上,并满足以下规则:

  1. 每次只能移动一个盘子
  2. 盘子只能从柱子的顶端移出
  3. 盘子只能叠放在比它大的盘子上
递归思路

汉诺塔问题的核心思想是将问题分解为三个步骤(假设有 n 个盘子):

  1. 移动上层 n-1 个盘子:将前 n-1 个盘子从源柱 A 借助目标柱 C 移动到辅助柱 B
  2. 移动底层最大盘子:将剩余的最后一个盘子(最大的)从 A 直接移动到目标柱 C
  3. 移动 n-1 个盘子归位:将 B 上的 n-1 个盘子借助 A 移动到目标柱 C

通过递归重复这三个步骤,最终完成所有盘子的移动。递归终止条件是当盘子数量为 0 时直接返回。

代码实现(带详细注释)
class Solution {public void hanota(List<Integer> A, List<Integer> B, List<Integer> C) {move(A.size(), A, B, C); // 启动递归过程print(C);	//打印结果}/*** 递归移动盘子* @param n 要移动的盘子数量* @param a 源柱(起始柱)* @param b 辅助柱(借助柱)* @param c 目标柱(目标柱)*/public static void move(int n, List<Integer> a, List<Integer> b, List<Integer> c) {// 递归终止条件:没有盘子可移动时返回if (n == 0) {return;}// 1. 将 a 上方的 n-1 个盘子借助 c 移动到 bmove(n - 1, a, c, b);// 2. 将 a 底部最后一个盘子(当前最大)移动到 cc.add(a.remove(a.size() - 1));// 3. 将 b 上的 n-1 个盘子借助 a 移动到 cmove(n - 1, b, a, c);}/*** 打印目标柱子* @param list*/public static void print(List<Integer> list){System.out.println(list);}}
关键点解析
  1. 递归分解
    • 每次递归将问题拆解为更小规模的子问题(n-1 个盘子)
    • 通过三次递归调用实现三层移动逻辑
  2. 柱子角色转换
    • 第一步中:目标柱 C 充当辅助柱,辅助柱 B 充当目标柱
    • 第三步中:源柱 A 充当辅助柱,辅助柱 B 充当源柱
  3. 栈操作
    • 使用 list.remove(list.size()-1) 移除栈顶元素(时间复杂度 O(1))
    • 使用 list.add() 将元素放入目标柱顶部
复杂度分析
  • 时间复杂度 O ( 2 n ) O(2^n) O(2n)
    每次递归产生两个子调用,移动 n 个盘子需要 2 n − 1 2^n-1 2n1 次操作
  • 空间复杂度 O ( n ) O(n) O(n)
    递归调用栈的最大深度为 n(盘子数量)
示例解析

以输入 A = [1, 0] 为例(列表尾部表示柱顶):

  1. 第一步:移动上层盘子 0AB
    • 操作后:A=[1], B=[0], C=[]
  2. 第二步:移动底层盘子 1AC
    • 操作后:A=[], B=[0], C=[1]
  3. 第三步:移动 B 上的 0C
    • 操作后:A=[], B=[], C=[1, 0]

最终 C=[1, 0] 符合要求(1 在底部,0 在顶部)。

注意:列表中的顺序 [1, 0] 表示柱子上 1 在底部、0 在顶部,满足小盘在大盘之上的规则。该解法直接修改原列表,符合原地操作要求。

http://www.lqws.cn/news/202735.html

相关文章:

  • uniapp 对接腾讯云IM群公告功能
  • 图上合成:用于大型语言模型持续预训练的知识合成数据生成
  • Linux中MySQL的逻辑备份与恢复
  • NamedParameterJdbcTemplate 使用方法及介绍
  • Readest(电子书阅读器) v0.9.53
  • Python爬虫-爬取各省份各年份高考分数线数据,进行数据分析
  • 使用 C/C++ 和 OpenCV 提取图像的感兴趣区域 (ROI)
  • Mysql批处理写入数据库
  • Opencv查找图形形状的重要API讲解
  • Cursor实现用excel数据填充word模版的方法
  • C#报价系统陈列展示成本核算系统项目管理系统纸品非纸品报价软件
  • linux 用户态时间性能优化工具perf/strace/gdb/varlind/gprof
  • 让DeepSeek写2025年高考作文
  • qiankun微前端 主应用vue3+vite、子应用vue3+vite
  • 使用 C++/OpenCV 创建动态流星雨特效 (实时动画)
  • ngx_stream_geo_module在传输层实现高性能 IP Region 路由
  • 学习STC51单片机30(芯片为STC89C52RCRC)
  • 【论文阅读笔记】《A survey on deep learning approaches for text-to-SQL》
  • 以SMMUv2为例,使用Trace32可视化操作SMMU的常用命令详解
  • 深入理解 Agent 与 LLM 的区别:从智能体到语言模型
  • 反向传播的核心是什么:计算损失函数对可训练参数的梯度=== 损失函数能通过计算图连接到可训练参数
  • 快速运行Dify前端,无需搭建后端环境
  • CADisplayLink、NSTimer、GCD定时器
  • 变幻莫测:CoreData 中 Transformable 类型面面俱到(一)
  • opencv_stereoRectify源码解析
  • 客户端和服务器已成功建立 TCP 连接【输出解析】
  • Clahs——问题解决:软件所有节点均超时
  • 能上Nature封面的idea!强化学习+卡尔曼滤波
  • C++之STL--list
  • 智能客服路由实战之RunnableBranch条件分支