Merge k Sorted Lists

本文介绍了一种高效算法,用于合并多个已排序的链表为一个有序链表。通过使用优先队列来选取最小元素并保持整体有序性,该算法的时间复杂度为O(k*n*log(k)),空间复杂度为O(k)。

Merge k sorted linked lists and return it as one sorted list. Analyze and describe its complexity.

pro:将k个排好序的链表merge成一个有序链表,分析其复杂度

sol:

1.定义一个struct记录某个结点对应的链表的id,定义一个优先队列,每次将所有的链表表头和id信息入队列,O(log(k))的时间取出最小值。

2.将队首加到结果链表中,对应链表后移,如果没到链尾,加入。队列不为空的时候要继续这个操作。

每个节点都是如此添加到结果链表中的,因此时间复杂度是O(k*n*(log(k))),空间复杂度是优先队列的空间复杂度,O(k),在构造结果链表时不需要额外的空间的,这个代码里有用到,下次要优化。

code:

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
 
 
 struct node//记录了一个节点对应的是哪个链表
 {
     int index;
     ListNode *listnode;
     node(int index,ListNode *ll):index(index),listnode(ll){}
 };
 struct cmp
 {
     bool operator()(node* bb,node* cc)
     {
         return bb->listnode->val>cc->listnode->val;
     }
 };
 
class Solution {
public:
    ListNode *mergeKLists(vector<ListNode *> &lists)
    {
        priority_queue< node*,vector<node*>,cmp > myque;//定义优先队列
        while(!myque.empty())
            myque.pop();
        int i;
        ListNode *res = new ListNode(0);
        ListNode *cur = res;
        for(i=0;i<lists.size();i++)//将所有的表头插入到优先队列中
        {
            if(lists[i]!=NULL)
            {
                node* temp = new node(i,lists[i]);
                myque.push(temp);
            }
        }
        while(!myque.empty())//一直
        {
            node *ttop = myque.top();//找优先队列的队头
            res->next = ttop->listnode;
            res = res->next;
            myque.pop();
            if(lists[ttop->index]->next!=NULL)//如果这条链表没到最后的话
            {
                node *tt = new node(ttop->index,lists[ttop->index]->next);
                lists[ttop->index] = lists[ttop->index]->next;//将选中的链表的表头后移
                myque.push(tt);//并且选中链表的后面一个节点入队列
            }
        }
        return cur->next;
    }
};


内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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