leetcode Add Two Numbers

本文详细介绍了链表中两数相加的问题,包括处理进位和特殊情况。通过给出的代码实现,读者可以清晰地理解整个过程,并掌握解决类似问题的方法。

此题是链表中的两数相加,注意细节方法,每一个链表中的数只有一位,需要考虑进位问题

代码

class Solution {
public:
    ListNode *addTwoNumbers(ListNode *l1, ListNode *l2) {
        
        ListNode *head;
        if(l1==NULL||l2==NULL)
            return head;
        head = new ListNode(0);
        ListNode *p1, *p2, *q;
        p1 = l1;
        p2 = l2;
        q = head;
        
        int carry = 0;
        while(p1!=NULL&&p2!=NULL)
        {
            ListNode *tempNode = new ListNode(0);
            int tempVal = p1->val + p2->val + carry;
            tempNode->val = tempVal%10;
            carry = tempVal/10;
            q->next = tempNode;
            q = tempNode;
            p1 = p1->next;
            p2 = p2->next;
            
        }
        
        while(p1!=NULL)
        {
            ListNode *tempNode = new ListNode(0);
            int tempVal = p1->val + carry;
            tempNode->val = tempVal%10;
            carry = tempVal/10;
            q->next = tempNode;
            q = tempNode;
            p1 = p1->next;
        }
        
        while(p2!=NULL)
        {
            ListNode *tempNode = new ListNode(0);
            int tempVal = p2->val + carry;
            tempNode->val = tempVal%10;
            carry = tempVal/10;
            q->next = tempNode;
            q = tempNode;
            p2 = p2->next;
        }
        
        while(carry!=0)
        {
            ListNode *tempNode = new ListNode(0);
            int tempVal = carry;
            tempNode->val = tempVal%10;
            carry = tempVal/10;
            q->next = tempNode;
            q = tempNode;
            
        }
        
        return head->next;
        
    }
};

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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