WC137,单链表排序

这篇博客介绍了如何利用C++实现链表排序。作者首先创建了一个vector,将链表中的元素值存入,然后对vector进行排序。接着,作者通过构建新的链表,将排序后的值依次插入,最后返回新链表的头节点。这种方法既适用于升序排序,也适用于通过改变排序函数实现降序排序。

在这里插入图片描述

/**
 * struct ListNode {
 *	int val;
 *	struct ListNode *next;
 * };
 */

class Solution {
public:
    /**
     * 
     * @param head ListNode类 the head node
     * @return ListNode类
     */
    ListNode* sortInList(ListNode* head) {
        // write code here
    }
};

1.借鉴大佬思路,首先建立vector,然后把节点对应的值push进去,排序,然后构建新链表,依次键入

/**
 * struct ListNode {
 *	int val;
 *	struct ListNode *next;
 * };
 */

class Solution {
public:
    /**
     * 
     * @param head ListNode类 the head node
     * @return ListNode类
     */
    ListNode* sortInList(ListNode* head) {
        // write code here
		//设置vector
		vector<int> vec;
		ListNode* cur=head;
		//cur=ListNode* head;自己写的,应该是上一句
		while(cur){
			vec.push_back(cur->val);
			cur=cur->next;
		}
		//vec.sort(vec.begin(),vec.end());
		sort(vec.begin(),vec.end());
		//构建新链表
		ListNode* Dummy=new ListNode(0);
		ListNode* Res=new ListNode(0);
		Dummy->next=Res;
		for(int i:vec){
			Res->next=new ListNode(i);
			Res=Res->next;
		}
		Res->next=nullptr;
		returm Dummy->next->next;
    }
};

2.去找了一个类似的题,按照大佬的思路,第一次写对了!!!!!!!开心

在这里插入图片描述
其实思路跟上面是一样的,只不过vector的排序函数sort(),变成了reverse函数
https://www.w3cschool.cn/cpp/cpp-i6da2pq0.html

/*
struct ListNode {
	int val;
	struct ListNode *next;
	ListNode(int x) :
			val(x), next(NULL) {
	}
};*/
class Solution {
public:
    ListNode* ReverseList(ListNode* pHead) {
        vector<int> vec;
        ListNode* cur=pHead;
        while(cur)
        {
            vec.push_back(cur->val);
            cur=cur->next;
        }
        reverse(vec.begin(), vec.end());
        ListNode* dummy=new ListNode(0);
        ListNode* res=new ListNode(0);
        dummy->next=res;
        for(int i:vec)
        {
            res->next=new ListNode(i);
            res=res->next;
        }
        res->next=nullptr;
        return dummy->next->next;
    }
};
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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