博客
关于我
No.021:Merge Two Sorted Lists
阅读量:438 次
发布时间:2019-03-06

本文共 1735 字,大约阅读时间需要 5 分钟。

合并两个已排序的链表是一个常见的问题,目标是将两个链表拼接成一个新的链表,并返回其第一个节点。本文将详细介绍如何实现这一过程。

输入节点情况

首先,我们需要考虑输入链表可能存在null的情况。具体来说:

  • 如果其中一个链表为空,直接返回另一个链表的头节点。
  • 如果两个链表都为空,则返回null。
  • 节点定义

    节点的定义如下:

    class ListNode {    public int val;    public ListNode next;    public ListNode prev;}

    实现步骤

  • 初始化变量

    • 创建一个新的链表来保存结果。
    • 使用一个指针记录上一个节点,用于拼接新的链表。
    • 确定第一个节点,确保较小的节点作为基准链表。
  • 比较节点值

    • 比较当前两个链表的节点值,决定哪个作为基准链表。
    • 交换两个链表的位置,确保基准链表始终指向较小的节点。
  • 遍历链表

    • 将当前基准链表的节点连接到上一个节点的后面。
    • 更新上一个节点指针。
    • 移动基准链表指针到下一个节点,继续比较和拼接。
  • 处理剩余节点

    • 当其中一个链表遍历完毕时,将剩下的另一条链表连接到结果链表的末尾。
  • 返回结果

    • 返回结果链表的第一个节点。
  • 代码实现

    public class ListNode {    public int val;    public ListNode next;    public ListNode prev;    public ListNode(int val) {        this.val = val;    }}public class Solution {    public ListNode mergeTwoLists(ListNode l1, ListNode l2) {        // 处理空链表情况        if (l1 == null) {            return l2;        }        if (l2 == null) {            return l1;        }        // 初始化结果链表        ListNode result = new ListNode(0);        ListNode last = result;        // 确定第一个节点        if (l1.val > l2.val) {            // 交换l1和l2的位置            ListNode temp = l1;            l1 = l2;            l2 = temp;        }        // 开始遍历并拼接        while (true) {            // 将当前l1节点连接到结果链表            last.next = l1;            last = last.next;            // 移动l1指针到下一个节点            if (l1.next == null) {                // 当l1遍历完毕,将l2拼接到结果链表                l1.next = l2;                break;            }            l1 = l1.next;            // 比较当前节点的值,并交换位置            if (l1.val > l2.val) {                // 交换l1和l2的位置                ListNode temp = l2;                l2 = l1;                l1 = temp;            }        }        return result.next;    }}

    总结

    该算法通过交换节点的位置和逐步拼接的方式,确保了两个链表合并后的链表是有序的。代码结构清晰,逻辑简单易懂,适合处理各种边界情况。

    转载地址:http://soyyz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    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>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>