LeetCode 21. 合并两个有序链表(单链表)

文章目录

    • 1. 题目信息
    • 2. 解题

1. 题目信息

将两个有序链表合并为一个新的有序链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。

示例:输入:1->2->4, 1->3->4
输出:1->1->2->3->4->4

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/merge-two-sorted-lists
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

2. 解题

  • 链表的基本操作,注意把前一个节点和下一个节点(l1,l2当前位置里的较小者)连起来

在这里插入图片描述

/*** Definition for singly-linked list.* struct ListNode {*     int val;*     ListNode *next;*     ListNode(int x) : val(x), next(NULL) {}* };*/
class Solution {
public:ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) {if(l1 == NULL)return l2;else if(l2 == NULL)return l1;else{ListNode *newHead = new ListNode(0);ListNode *curNode = newHead->next, *prev = newHead;while(l1 && l2){if(l1->val < l2->val){curNode = l1;l1 = l1->next;}else{curNode = l2;l2 = l2->next;}prev->next = curNode;prev = curNode;curNode = curNode->next;}if(l1 == NULL){prev->next = l2;}else//l2 == NULL{prev->next = l1;}return newHead->next;}        }
};
class Solution {	//2020.5.1
public:ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) {if(!l1) return l2;if(!l2) return l1;ListNode* empty = new ListNode(0);ListNode* cur = empty;while(l1 && l2){if(l1->val <= l2->val){cur->next = l1;l1 = l1->next;}else{cur->next = l2;l2 = l2->next;}cur = cur->next;}cur->next = (l1 ? l1 : l2);return empty->next;}
};

《剑指Offer》同题:面试题25. 合并两个排序的链表

class Solution {
public:ListNode* mergeTwoLists(ListNode* l1, ListNode* l2) {if(!l1)return l2;if(!l2)return l1;ListNode* emptyHead = new ListNode(0);ListNode* cur = emptyHead;while(l1 && l2){while(l1 && l2 && l1->val <= l2->val){cur->next = l1;cur = l1;l1 = l1->next;}while(l1 && l2 && l1->val > l2->val){cur->next = l2;cur = l2;l2 = l2->next;}}if(!l1)cur->next = l2;elsecur->next = l1;return emptyHead->next;}
};

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/479800.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一文读懂最强中文NLP预训练模型ERNIE

基于飞桨开源的持续学习的语义理解框架ERNIE 2.0&#xff0c;及基于此框架的ERNIE 2.0预训练模型&#xff0c;在共计16个中英文任务上超越了BERT和XLNet, 取得了SOTA效果。本文带你进一步深入了解ERNIE的技术细节。 一&#xff1a;ERNIE 简介 1.1 简介 Google 最近提出的 BER…

BERT原理、代码、相关模型、精调技巧,看这个就够了

星标/置顶小屋&#xff0c;带你解锁最萌最前沿的NLP、搜索与推荐技术2018 年 10 月&#xff0c;由 Google 推出的 BERT 模型一鸣惊人&#xff0c;刷爆了各路榜单&#xff0c;甚至超越了人类基线分数&#xff0c;实现了 NLP 领域里程碑式的突破。 如今&#xff0c;对于 NLP 算法…

论文浅尝 | 利用 KG Embedding 进行问题回答

论文笔记整理&#xff1a;吴杨&#xff0c;浙江大学计算机学院&#xff0c;知识图谱、NLP方向。http://research.baidu.com/Public/uploads/5c1c9a58317b3.pdf动机本文主要针对基于知识库的问题回答中的简单问题&#xff0c;也就是问题的答案只涉及KG中的一跳&#xff0c;此类问…

tensorflow版本升级后的各种方法问题

执行命令 tf_upgrade_v2 --infile foo.py --outfile foo_upgraded.py 自动将低版本的方法转换为高版本的方法&#xff0c;不过需要人工确认一下。 详细请看链接

想成为阿里160万年薪的P8架构师?你必须掌握如下6大技能体系!

程序设计和开发 数据结构和算法&#xff1a;常用数据结构&#xff0c;排序&#xff0c;检索等 面向对象编程、设计模式&#xff0c;掌握建模语言和建模工具&#xff1a;UML、MVC编程思想 高质量编码能力&#xff1a;重用性&#xff0c;低耦合&#xff0c;可扩展性&#xff0c…

技术动态 | 知识图谱的策展

作者&#xff1a;Jiaoyan Chen, Senior Researcher, Department of Computer Science, University of Oxford, Research interests: Knowledge Base, Knowledge-based Learning, Machine Learning Explanation.知识图谱在众多的领域中发挥了重要作用&#xff0c;比如聊天机器人…

21届校招薪资曝光:严重倒挂老员工!

源 | 量子位一开始&#xff0c;还以为是科技互联网公司招聘的新把式。因为就在最近&#xff0c;一张美团应届生薪资的截图&#xff0c;在各大社区和校招群里火了。仅仅算法岗、开发岗的薪资白菜价&#xff0c;就有27k15.5&#xff0c;算下来&#xff0c;年薪就有41万。虽然这两…

从Java程序员进阶到架构师,6大核心技能要领详解

“ java架构师技能将分为如下6大环节&#xff1a;数据结构和算法&#xff0c;Java高级特性&#xff0c;Java web核心&#xff0c;数据库&#xff0c;Java框架与必备工具&#xff0c;系统架构设计。 希望能真正帮助到从程序员进阶到架构师之路的朋友。 数据结构和算法 算法分…

对话中情绪识别,研究挑战、数据集和前沿方法

对话中情绪识别&#xff0c;研究挑战、数据集和前沿方法&#xff1a; https://zhuanlan.zhihu.com/p/86777515

领域应用 | ​英文抗生素药物医学知识图谱 IASO1.0 版发布 线上试用正式启动

本文转载自公众号&#xff1a;PKU自然语言处理前沿。近日&#xff0c;由北京大学互联网信息工程研发中心&#xff08;CIRE&#xff09;开发的英语医学知识图谱英文抗生素药物医学知识图谱IASO1.0发布&#xff0c;面向公众正式开放试用。IASO是利用自然语言处理与文本挖掘技术&a…

pytorch之embedding

一、随机初始化的embedding import torch.nn as nn import torch user_embedding nn.Embedding(5, 4) weight user_embedding.weight.data.numpy() print(weight) input torch.tensor([1,2]) print(user_embedding(input))# 输出 [[-1.2546824 0.15995328 -1.3933309 …

谷歌大改Transformer注意力,速度大涨,显存大降!

源 | 机器之心导读考虑到 Transformer 对于机器学习最近一段时间的影响&#xff0c;这样一个研究就显得异常引人注目了。Transformer 有着巨大的内存和算力需求&#xff0c;因为它构造了一个注意力矩阵&#xff0c;需求与输入呈平方关系。谷歌大脑 Krzysztof Choromanski 等人最…

阿里P7架构师要求:Web核心+开源框架+大型网站架构!含面试题目!

阿里P7技能&#xff08;一&#xff09;&#xff1a;数据结构和算法&#xff1a; 常用数据结构&#xff1a;链表、堆与栈、哈希表等&#xff0c;常用的排序等。 掌握&#xff1a;精通 阿里P7技能&#xff08;二&#xff09;&#xff1a;java高级 java相关的高级特性&#xff1…

LeetCode 986. 区间列表的交集

文章目录1. 题目信息2. 解题1. 题目信息 给定两个由一些闭区间组成的列表&#xff0c;每个区间列表都是成对不相交的&#xff0c;并且已经排序。 返回这两个区间列表的交集。 &#xff08;形式上&#xff0c;闭区间 [a, b]&#xff08;其中 a < b&#xff09;表示实数 x …

基于 CNN 的中文对话情感分析

1 基于 CNN 的中文对话情感分析&#xff1a;https://www.jianshu.com/p/87ca0616f1a4 2 清华 ACL 2020 长文 | KdConv&#xff1a;多领域知识驱动的中文多轮对话数据集 https://cloud.tencent.com/developer/article/1613832 论文链接&#xff1a;https://arxiv.org/abs/2004.0…

论文浅尝 | 学习开发知识图谱中的长期关系依赖 - ICML 2019 ​

本文转载自公众号&#xff1a;南大Websoft。 论文&#xff1a;https://arxiv.org/abs/1905.04914代码&#xff1a;https://github.com/nju-websoft/RSN背景知识图谱结构化地存储着大量现实世界中的事实。其中&#xff0c;每个事实都以三元组 (s, r, o) 的方式进行描述&#xf…

一张图看懂小米千亿美金生态链产品

小米上市近在眼前&#xff0c;最快5月初提交IPO申请&#xff0c;再到小米IPO股指不断攀升&#xff0c;估值直奔1000亿美金以上&#xff0c;小米用了7年时间&#xff0c;这在整个互联网的发展史上&#xff0c;也算是火箭般的发展速度。 今天我们一起复盘看看小米的千亿美金生态…

Pycharm使用远程服务器运行代码

pycharm下载专业版&#xff0c;然后用学生邮箱申请个激活码&#xff08;我这里申请了个账号&#xff0c;更方便&#xff09;。 连上厦大VPN&#xff0c;再用pycharm高级版可以直接连到学校的GPU服务器&#xff0c;这样平时不在学校也能调试服务器了。 厦大VPN设置 pycharm下载…

吐槽贴:用ELECTRA、ALBERT之前,你真的了解它们吗?

文 | 苏剑林单位 | 追一科技编 | 兔子酱在预训练语言模型中&#xff0c;ALBERT和ELECTRA算是继BERT之后的两个“后起之秀”。它们从不同的角度入手对BERT进行了改进&#xff0c;最终提升了效果&#xff08;至少在不少公开评测数据集上是这样&#xff09;&#xff0c;因此也赢得…