LEETCODE #2 Add Two Numbers

本文详细解析了LeetCode上经典题目“两数相加”的解题思路,采用C++和Java语言实现,通过链表存储逆序数字并进行逐位相加,处理进位操作,适用于大整数加法练习。

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

LEETCODE #2

问题描述

You are given two non-empty linked lists representing two non-negative integers. The digits are stored in reverse order and each of their nodes contain a single digit. Add the two numbers and return it as a linked list.
You may assume the two numbers do not contain any leading zero, except the number 0 itself.
Example:
Input: (2 -> 4 -> 3) + (5 -> 6 -> 4)
Output: 7 -> 0 -> 8
Explanation: 342 + 465 = 807.

0、背景

来源Leetcode题库Algorithms part,难度定级Medium。
参考Grandyang博客:Add Two Numbers 两数相加,语言选用C++,Java和Python。

1、算法

给定两个纯数字串,按位求和,注意进位,实际上就是大整数相加的模型,用于练习单链表的简单实现,C++的链表比Java难理解一点。注意最高位进位即可。

2、实现

a.CPP

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    ListNode* addTwoNumbers(ListNode* l1, ListNode* l2) {
        ListNode *ans = new ListNode(-1);
        ListNode *temp = ans;
        int bitt = 0;
        while (l1 || l2)
        {
            int n1,n2;
            if(l1) n1 = l1->val; else n1 = 0;
            if(l2) n2 = l2->val; else n2 = 0;
            int sum = n1 + n2 + bitt;
            bitt = sum / 10;
            temp->next = new ListNode(sum%10);
            temp = temp->next;
            if (l1) l1 = l1->next;
            if (l2) l2 = l2->next;
        }
        if (bitt) temp->next = new ListNode(1);
        return ans->next;
        
    }
};

b.Java

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode(int x) { val = x; }
 * }
 */
class Solution {
    public ListNode addTwoNumbers(ListNode l1, ListNode l2) {
        ListNode ans = new ListNode(-1);
        ListNode temp = ans;
        int bitt = 0;
        while (l1 != null || l2 != null)
        {
            int n1,n2;
            if (l1 != null) n1 = l1.val; else n1 = 0;
            if (l2 != null) n2 = l2.val; else n2 = 0;
            int sum = n1 + n2 + bitt;
            bitt = sum / 10;
            temp.next = new ListNode(sum%10);
            temp = temp.next;
            if (l1 != null) l1 = l1.next;
            if (l2 != null) l2 = l2.next;
        }
        if (bitt == 1) temp.next = new ListNode(1);
        return ans.next;
    }
}

c.Python

留待以后补充。

3、相关

留待补充乘除的相关实现。

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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