剑指offer 两个链表的第一个公共结点

本文介绍了两种寻找两个链表首个公共节点的方法。方法一通过计算链表长度差并提前移动较长链表来同步两链表,再进行比较;方法二采用双指针技巧,遍历完成后相互指向对方链表头,最终在公共节点相遇。

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

1.题目描述

输入两个链表,找出它们的第一个公共结点。

2.分析

如果两个链表有公共节点,那么这两条链表从该公共节点开始往后的部分是重合的。
方法1:
可以想象一个Y造型,前面分叉,后面从公共节点开始回合。
步骤:
1)求两个链表的长度差delta,较长的链表从head开始先走delta个节点
2)两个链表从当前节点开始,依次比较节点是否相同。
方法2:
假设: 链表1分为两段 a+c,链表2分为两段b+c,其中c是两个链表的公共部分。
同时开始遍历两个链表,当一个链表遍历到末尾之后就将它指向另一个链表的头部
所以总共遍历的长度是:
链表1 a+c+b+c
链表2 b+c+a+c
所以到最后肯定会相遇的。

3.代码

方法1:

class Solution {
public:
    ListNode* FindFirstCommonNode(ListNode* pHead1, ListNode* pHead2) {
        int len1 = 0;
        int len2 = 0;
        ListNode* temp = pHead1;
        while (temp) {
            ++len1;
            temp = temp->next;
        }
        temp = pHead2;
        while (temp) {
            ++len2;
            temp = temp->next;
        }
        int delta = abs(len1 - len2);//长度差
        //cout << len1 << " " << len2 << " " << delta << endl;
        if (len1 > len2) {
            while (delta) {
                pHead1 = pHead1->next;
                --delta;
            }
        }
        else {
            while (delta) {
                pHead2 = pHead2->next;
                --delta;
            }
        }
        while (pHead1 != NULL && pHead2 != NULL) {
            if (pHead1 == pHead2)
                break;
            else {
                pHead1 = pHead1->next;
                pHead2 = pHead2->next;
            }
        }
        return pHead1;
    }
};

方法2:

ListNode* FindFirstCommonNode(ListNode* pHead1, ListNode* pHead2) {
    ListNode* p1 = pHead1;
    ListNode* p2 = pHead2;
    while (p1 != p2) {
        p1 = p1 == NULL ? pHead2 : p1->pNext;
        p2 = p2 == NULL ? pHead1 : p2->pNext;
    }
    return p1;
}
内容概要:本文档详细介绍了基于弹性架构搜索(Elastic Architecture Search, EAS)结合Transformer编码器进行多变量时间序列预测的项目实例。项目旨在自动化优化多变量时间序列预测模型结构,提升预测精度与鲁棒性,降低计算资源消耗,实现模型轻量化。通过MATLAB实现,项目采用Transformer编码器的多头自注意力机制,结合EAS的弹性权重共享和分阶段搜索策略,解决了高维多变量时间序列的复杂依赖建模、架构搜索计算资源需求高、模型过拟合、多步预测误差积累、数据异构性与缺失值处理、复杂模型训练收敛等挑战。最终,项目构建了一个高度模块化和可扩展的系统设计,适用于智能制造、能源管理、智慧交通等多个工业场景。 适合人群:具备一定编程基础,对时间序列预测、深度学习及MATLAB有一定了解的研发人员和研究人员。 使用场景及目标:①自动化优化多变量时间序列预测模型结构,提升预测精度与鲁棒性;②降低计算资源消耗,实现模型轻量化;③实现高度模块化与可扩展的系统设计,促进人工智能在工业领域的深度应用;④提供科研与教学的典范案例与工具,探索深度学习架构搜索在时序预测的前沿技术;⑤促进多变量时序数据融合与异质信息处理能力,推动MATLAB深度学习工具箱的应用与扩展。 其他说明:项目不仅聚焦于模型性能提升,更注重计算资源节约和应用落地的可行性。借助弹性架构搜索自动化调参,减少人工经验依赖,加快模型迭代速度,降低开发门槛。结合Transformer编码器的表达能力,显著改善多变量时间序列预测中的长期依赖捕捉和异质数据融合问题,为各类时间序列分析任务提供一种全新的解决方案。项目通过详细的代码实现和注释,帮助用户理解Transformer机制与弹性架构搜索如何协同工作,实现多变量时间序列预测。
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