新闻详情

新闻详情

首页 / 资讯中心 / 详情

力扣集训day05

发布时间:2026/10/10 18:43:40来源:尧图网络
力扣集训day05
思路主要是结合归并排序的思路进行解答大致就是1.先二分拆分merge拆到拆无可拆也就是左右边界重合为止至于lr这种情况是用来判断空链表这种特殊情况的。2.然后两两合并mergeTwoList这个其实是很简单的合并两个有序链表的写法两两比较小的放进去都不用新申请空间。3.最后逐层向上合并主函数归并的思路最难的就是这总地方了想想想上图假如有五个链表的情况最后的合并阶段实际肯定没这么......将就意思一下吧 大概就这么个理代码ListNode* mergeTwoList(ListNode* list1, ListNode* list2) { ListNode* dummyhead new ListNode(); if (!list1 !list2)return list1 ? list1 : list2; ListNode* p1 list1, * p2 list2, * temp dummyhead; while (p1 p2) { if (p1-val p2-val) { temp-next p1; p1 p1-next; } else { temp-next p2; p2 p2-next; } temp temp-next; } temp-next (p1 ? p1 : p2); return dummyhead-next; } ListNode* merge(vectorListNode* lists, int l, int r) { if (l r)return lists[l]; if (l r)return nullptr; int mid (l r) / 2; return mergeTwoList(merge(lists, l, mid), merge(lists, mid 1, r)); } class Solution { public: ListNode* mergeKLists(vectorListNode* lists) { return merge(lists, 0, lists.size() - 1); } };小复习归并排序-核心思想先拆分后合并1分递归把数组从中间切为左右两半一直切到子区间只有 1 个元素2治合并将两个已经有序的子数组用双指针合并成一个有序数组3逐层向上合并最后整个数组有序-归并排序代码C版本)void merge(vectorint arr, int l, int mid, int r) { vectorint tmp; int i l, j mid1; while(i mid j r) { if(arr[i] arr[j]) tmp.push_back(arr[i]); else tmp.push_back(arr[j]); } while(i mid) tmp.push_back(arr[i]); while(j r) tmp.push_back(arr[j]); // 拷贝回原数组 for(int k 0; k tmp.size(); k) arr[l k] tmp[k]; } void mergeSort(vectorint arr, int l, int r) { if(l r) return; int mid l (r-l)/2; mergeSort(arr, l, mid); // 左半部分排序 mergeSort(arr, mid1, r); // 右半部分排序 merge(arr, l, mid, r); // 合并两个有序区间 }-复杂度1时间复杂度O(nlog n)是稳定排序2空间复杂度O(n)
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/8 23:25:23

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/8 22:09:11

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/10 21:05:16

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/10 13:16:45

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/8 20:31:14

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/9 1:48:20

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉