【leetcode】148.(Medium)Sort List

本文介绍了一种使用归并排序思想对链表进行O(nlogn)时间复杂度排序的方法。通过将链表分为两部分,递归地排序每一部分,然后合并两个有序链表,实现了链表的有效排序。
解题思路:

这道题是要我们用O(n log n) 的时间复杂度来对一个链表进行排序
O(n log n) 复杂度的排序算法就是归并排序了
这里对链表的排序用到了归并排序的思想


提交代码:

class Solution {
    public ListNode sortList(ListNode head) {
        if(head==null||head.next==null)	return head;
        
        // divide the list into 2
        ListNode pre=null,slow=head,fast=head;
        while(fast!=null&&fast.next!=null) {
        	pre=slow;
        	slow=slow.next;
        	fast=fast.next.next;
        }
        pre.next=null;
        head=sortList(head);
        slow=sortList(slow);
        return mergeSort(head,slow);
    }
    
    public ListNode mergeSort(ListNode head1,ListNode head2) {
    	ListNode dummy=new ListNode(-1);
    	ListNode p=dummy,p1=head1,p2=head2;
    	while(p1!=null&&p2!=null) {
    		if(p1.val<p2.val) {
    			p.next=p1;
    			p1=p1.next;
    		}else {
    			p.next=p2;
    			p2=p2.next;
    		}p=p.next;
    	}
    	while(p1!=null) {
    		p.next=p1;
			p1=p1.next;
			p=p.next;
    	}
    	while(p2!=null) {
    		p.next=p2;
			p2=p2.next;
			p=p.next;
    	}
    	return dummy.next;
    }
}

运行结果:
在这里插入图片描述

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值