LeetCode [链表] 21.Merge Two Sorted Lists (C++和Python实现)

博客围绕“Merge Two Sorted Lists”题目展开,指出题目存在不严谨之处,未说明排序情况和有无头结点。介绍了解题思路,在两链表不为空时同时遍历并比较大小,将小值加入新链表,最后处理长度不等的情况。还给出了C++和Python的解题方法。

21.Merge Two Sorted Lists [难度:简单]

【题目】

Merge two sorted linked lists and return it as a new list. The new list should be made by splicing together the nodes of the first two lists.

Example:

Input: 1->2->4, 1->3->4
Output: 1->1->2->3->4->4

【解题C++】

这道题的题目不是很严谨,没有说明具体的排序情况,要是已知序列是从大到小......而且也不清楚那俩链表有没有头结点。

不过嘛不影响什么思路还是非常简单的~在两个链表均不为空的前提下,同时遍历俩链表,并比较大小。更小的那一个呢,加入新链表战队,并将新链表和更小值所在链表的指针往后挪一位。因此,在最开始的时候还得有一个结点指向新链表的头结点,以便最后的返回。最后退出循环后,别忘了俩链表可能长度不等,更长一点的链表这时候就可以直接接在新链表后头啦。

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) {
	ListNode *newL,*head;
         // 注意题目的结构体定义,new新结点的时候别忘了给个初始值
	newL = new ListNode(0);
	head = newL; 
	while(l1&&l2)
	{
		if(l1->val<l2->val)
		{
			newL->next = l1;
			l1 = l1->next;
		}
		else
		{
			newL->next = l2;
			l2 = l2->next;
		}
		newL = newL->next;
	}
	if(l1) newL->next = l1;
	if(l2) newL->next = l2;
	return head->next;
    }
};

【解题Python】 

和C++的思路没差,只是语法不同,Python版本的就有递归来实现吧~

# Definition for singly-linked list.
# class ListNode:
#     def __init__(self, x):
#         self.val = x
#         self.next = None

class Solution:
    def mergeTwoLists(self, l1: ListNode, l2: ListNode) -> ListNode:
        if l1 is None:
            return l2
        if l2 is None:
            return l1
        newL = None
        if l1.val<=l2.val:
            newL = l1
            newL.next = self.mergeTwoLists(l1.next,l2)
        else:
            newL = l2
            newL.next = self.mergeTwoLists(l1,l2.next)
        return newL
【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度稳定性方面的优势。; 适合人群:具备一定机器学习深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。
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