博客
关于我
LeetCode刷题记录15——21. Merge Two Sorted Lists(easy)
阅读量:534 次
发布时间:2019-03-08

本文共 1434 字,大约阅读时间需要 4 分钟。

为了优化您的LeetCode刷题记录内容,以下是一个经过重新优化的版本:

LeetCode刷题记录15——21. Merge Two Sorted Lists(easy)

题目描述

今天的题目是关于链表的,给定两个链表,然后合并它们,要求从小到大。这个问题看起来简单,但作为新手,我还是得仔细想想该怎么做。

这个问题可以通过一种常见的方法——二路合并法来解决。基本思路是用一个新的头节点作为开头,然后逐个比较两个链表当前指针的值,决定连接哪个节点到新链表中。

假设两个链表的头节点分别是l1l2,比较它们的值,值小的那个入链表,并向前移动相应的指针。重复这个过程直到两个链表都遍历完毕,剩下的节点则依次连接到新链表中。

功能实现

该函数的实现步骤如下:

  • 判断链表是否为空,若一个为空则直接返回另一个。
  • 初始化新链表的头节点p,并将l1l2作为新链表的初始节点。
  • 用循环逐个比较两个链表的当前节点,决定连接到新链表中。
  • 当两个链表都遍历完毕后,拼接剩下的节点。
  • 返回新的链表头节点。
  • 代码实现

    struct ListNode {    int val;    ListNode* next;};class Solution {public:    ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) {        ListNode* head = nullptr;        if (l1 == nullptr) {            return l2;        }        if (l2 == nullptr) {            return l1;        }        if (l1->val <= l2->val) {            head = l1;            l1 = l1->next;        } else {            head = l2;            l2 = l2->next;        }        ListNode* p = head;        while (l1 && l2) {            if (l1->val <= l2->val) {                p->next = l1;                l1 = l1->next;            } else {                p->next = l2;                l2 = l2->next;            }            p = p->next;        }        if (l1 != nullptr) {            p->next = l1;        } else {            p->next = l2;        }        return head;    }};

    后记

    今天的题目算是顺利完成了。通过二路合并法,把两个已排序的链表成功合并成了一个新的链表。虽然不是非常复杂的算法,但理解这个方法仍然很重要。以后遇到类似的问题,可以先回忆这本书的内容,或者查阅相关资料,看看有没有更高效的方法。坚持每日刷题,无论结果如何,都是值得的。相信努力一定会有收获的!

    转载地址:http://soyiz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>