剑指offer(19)--合并两个排序的链表

本文详细介绍了两种将两个单调递增链表合并成一个单调不减链表的方法:非递归实现(迭代)和递归实现。通过创建虚拟头节点进行迭代比较,或使用递归调用,实现了链表的有效合并。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

考点:单链表、递归

题目描述

输入两个单调递增的链表,输出两个链表合成后的链表,当然我们需要合成后的链表满足单调不减规则。

1.非递归实现(迭代)

需要新建一个虚拟头节点

如果pHead1->val<pHead2->val,把pHead1给cur->next,pHead1走一步指向下一个结点,同时cur也走下一步下一个结点;

否则,pHead2同样操作。

直到pHead1或pHead2有一个为空,接在cur后面即可。

 ListNode* Merge(ListNode* pHead1, ListNode* pHead2)
    {
        //建一个虚拟头节点
        ListNode* head=new ListNode(0);
        ListNode* cur=head;
        while(pHead1 != NULL && pHead2 != NULL){
            if(pHead1->val<pHead2->val){
                cur->next=pHead1;
                pHead1=pHead1->next;
            }
            else{
                cur->next=pHead2;
                pHead2=pHead2->next;
            }
            cur=cur->next;
        }
        if(pHead1 != NULL)
            cur->next=pHead1;
        if(pHead2 != NULL)
            cur->next=pHead2;
        return head->next;
    }

2.递归实现(不需要创建新结点)

递归结束的条件:链表为空,返回pHead1或者pHead2

递归缩小递归空间:下一次递归的参数,如果pHead1的Val比pHead1的Val小,传pHead1->next,phead2不变;否则

pHead1不变,phead2->next

 ListNode* Merge(ListNode* pHead1, ListNode* pHead2)
    {
        if(pHead1 ==NULL) return pHead2;
        if(pHead2==NULL) return pHead1;
        ListNode* MergeHead=NULL;
        if(pHead1->val<=pHead2->val){
            MergeHead=pHead1;
            MergeHead->next=Merge(pHead1->next,pHead2);
        }
        else
        {
            MergeHead=pHead2;
            MergeHead->next=Merge(pHead1,pHead2->next);
        }
        return MergeHead;
    }

python:

def Merge(self, pHead1, pHead2):
        # write code here
        MergeHead=None
        if pHead1 == None:
            return pHead2
        if pHead2==None:
            return pHead1
        if(pHead1.val<=pHead2.val):
            MergeHead=pHead1;
            MergeHead.next=self.Merge(pHead1.next,pHead2)
        else:
            MergeHead=pHead2;
            MergeHead.next=self.Merge(pHead1,pHead2.next)
        return MergeHead

 

经过网络搜索,以下是关于B4263GESP202503相关的荒地开垦问题的BF(暴力法)解决方案及相关信息。 --- ### 方法一:理解题目背景 此问题是关于如何最大化可开垦荒地数量的问题。给定一组数据表示不同地块的状态,目标是在清除至多一个位置上的杂物后计算出最大可能连通的荒地面积。 参考优快云博客中的描述可知,需要处理的是二维网格地图,其中某些点可能是障碍物或其他状态。 --- ### 方法二:实现暴力算法的核心逻辑 暴力解法的基本思路是对每一个可能的位置尝试移除其障碍物,并重新评估整个区域的最大联通荒地数。 #### 实现步骤: 1. 定义输入矩阵 `grid` 表示土地情况,例如 0 表示荒地,1 表示障碍物。 2. 对于每个障碍物 (值为1) 的坐标 `(i, j)`,将其临时设为荒地 (即置为0),然后执行一次广度优先搜索 (BFS) 或深度优先搜索 (DFS) 来统计此时最大的连通荒地区域大小。 3. 记录每次修改后的结果,最终返回所有情况下得到的最大值。 --- ### 方法三:提供代码样例 以下是一个简单的 Python 示例代码展示 BF 解决方案: ```python from collections import deque def max_farm_area(grid): rows, cols = len(grid), len(grid[0]) visited = [[False]*cols for _ in range(rows)] def bfs(x, y): queue = deque([(x, y)]) visited[x][y] = True area = 1 directions = [(0,1),(1,0),(-1,0),(0,-1)] while queue: cur_x, cur_y = queue.popleft() for dx, dy in directions: nx, ny = cur_x + dx, cur_y + dy if 0 <= nx < rows and 0 <= ny < cols and not visited[nx][ny] and grid[nx][ny]==0: visited[nx][ny]=True queue.append((nx, ny)) area += 1 return area max_area = 0 original_max = 0 # Find initial maximum connected farm areas without removing any obstacle. for i in range(rows): for j in range(cols): if grid[i][j] == 0 and not visited[i][j]: current_area = bfs(i,j) original_max = max(original_max, current_area) # Try to remove each obstacle one by one and check the new maximum. for x in range(rows): for y in range(cols): if grid[x][y] == 1: grid[x][y] = 0 # Remove obstacle temporarily. # Reset visit matrix since we are recalculating from scratch after removal of an obstacle. visited = [[False]*cols for _ in range(rows)] temp_max = 0 for i in range(rows): for j in range(cols): if grid[i][j] == 0 and not visited[i][j]: temp_max = max(temp_max, bfs(i,j)) max_area = max(max_area, temp_max) grid[x][y] = 1 # Restore the cell back as it was. return max(max_area, original_max) # Example usage: input_grid = [ [0,1,0], [0,0,0], [1,1,0] ] print("Maximum Farm Area:", max_farm_area(input_grid)) # Output should be based on input data structure. ``` --- ### 方法四:优化建议 虽然上述方法可以解决问题,但当输入规模较大时效率较低。可以通过预处理的方式减少重复计算,或者采用更高效的并查集(Union-Find)等高级算法来进一步提升性能。 ---
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