【数据结构算法篇】链表面试题5—合并两个有序链表

简介: 将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。

120.png

题目描述:

将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。

示例 1:

121.png

输入:l1 = [1,2,4], l2 = [1,3,4]

输出:[1,1,2,3,4,4]

示例2:

输入:l1 = [], l2 = []

输出:[]

示例3:

输入:l1 = [], l2 = [0]

输出:[0]

提示:

两个链表的节点数目范围是 [0, 50]

-100 <= Node.val <= 100

l1 和 l2 均按 非递减顺序 排列

解题思路:

解决这个问题,我们要定义一个头结点(傀儡节点/虚拟节点)

在两个链表都不为的空的情况下,假设是下面这种情况:

131.png

我们可以定义一个nHead这一个头结点,我们要使用nHead把两个链表串起来。我们在nHead这个结点的后面放两个链表中数值域中最小的那个结点。

注意:nHead是不能动的,nHead如果动了的话,那么定义nHead这个结点就没有意义了。我们还需再定义一个tmp结点用于把后面的结点都串在nHead的后面。最后返回的是 n H e a d . n e x t \color{#FF0000}{最后返回的是nHead.next}最后返回的是nHead.next

因此,我们可以让head1和head2进行比较,较小的那个结点的地址就存放在tmp这个结点的指针域内,然后在往后走一步。

例如:head1.val < head2.val ** 因此就先让tmp这个节点的指针域等于head1的这个结点,然后再让head1往后面走一个结点,tmp在往后走一个(在这就是只head1移动前的那个位置)

然后在用循环走完两个链表就可以了,当然在这里面可能会遇到一些情况,就是在移动的过程中,其中一个链表走完了,为空的情况**。我们就可以直接让tmp这个结点指向另外一个结点就可以了,因为两条链表都是有序的,所以不需要担心是不是有序的这种情况。

还有最重要的一点,就是两个链表都为空的情况,我们也要考虑到,这个情况可以和上面那种情况放在一起解决。

最后得到的结果就如下图所示,我们不需要nHead这个结点,就返回nHead.next就可以了

131.png

代码实现:

public ListNode mergeTwoLists(ListNode list1, ListNode list2) {

       ListNode nHead = new ListNode();

       ListNode tmp = nHead;

       //两个链表都不为空

       while(list1!=null&list2!=null){

           if(list1.val < list2.val){

               tmp.next = list1;

               list1 = list1.next;

               tmp = tmp.next;

           }else{

               tmp.next = list2;

               list2 = list2.next;

               tmp = tmp.next;

           }

       }

       //如果其中一个链表为空或两个都为空

       if(list1 == null){

           tmp.next = list2;//因为两条链表都是有序的,同下

       }

       if(list2 == null){

           tmp.next = list1;

       }

       return nHead.next;

   }

134.png

相关文章
|
4天前
|
存储
数据结构链表详解(不仅顺序表可以,我链表也可以)
数据结构链表详解(不仅顺序表可以,我链表也可以)
12 0
|
6天前
|
存储 监控 NoSQL
Redis处理大量数据主要依赖于其内存存储结构、高效的数据结构和算法,以及一系列的优化策略
【5月更文挑战第15天】Redis处理大量数据依赖内存存储、高效数据结构和优化策略。选择合适的数据结构、利用批量操作减少网络开销、控制批量大小、使用Redis Cluster进行分布式存储、优化内存使用及监控调优是关键。通过这些方法,Redis能有效处理大量数据并保持高性能。
25 0
|
4天前
|
缓存 算法 Java
数据结构~缓存淘汰算法--LRU算法(Java的俩种实现方式,万字解析
数据结构~缓存淘汰算法--LRU算法(Java的俩种实现方式,万字解析
|
6天前
|
机器学习/深度学习 算法 数据可视化
Python 数据结构和算法实用指南(四)(4)
Python 数据结构和算法实用指南(四)
13 1
|
6天前
|
机器学习/深度学习 存储 算法
Python 数据结构和算法实用指南(四)(3)
Python 数据结构和算法实用指南(四)
15 1
|
6天前
|
存储 算法 搜索推荐
Python 数据结构和算法实用指南(四)(2)
Python 数据结构和算法实用指南(四)
10 0
|
6天前
|
存储 算法 Serverless
Python 数据结构和算法实用指南(四)(1)
Python 数据结构和算法实用指南(四)
14 0
|
6天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
2天前
|
算法
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
MATLAB 2022a仿真实现了LDPC码的性能分析,展示了不同码长对纠错能力的影响。短码长LDPC码收敛快但纠错能力有限,长码长则提供更强纠错能力但易陷入局部最优。核心代码通过循环进行误码率仿真,根据EsN0计算误比特率,并保存不同码长(12-768)的结果数据。
21 9
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
|
4天前
|
算法
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
这段内容介绍了一个使用改进的麻雀搜索算法优化CNN-BiLSTM模型进行多输入单输出预测的程序。程序通过融合正余弦和柯西变异提升算法性能,主要优化学习率、正则化参数及BiLSTM的隐层神经元数量。它利用一段简单的风速数据进行演示,对比了改进算法与粒子群、灰狼算法的优化效果。代码包括数据导入、预处理和模型构建部分,并展示了优化前后的效果。建议使用高版本MATLAB运行。