之所以记录这道题,是因为提交的时候出现了一个BUG我感觉很有意思,下面是我的第一版解法
public ListNode mergeKLists(ListNode[] lists) {
PriorityQueue<ListNode> priorityQueue = new PriorityQueue<>(lists.length,(a,b)->a.val-b.val);
for (ListNode listNode:lists){
//遍历lists
while (listNode!=null){
priorityQueue.add(listNode);
listNode = listNode.next;
}
}
ListNode head = new ListNode();
ListNode tmp = head;
while (!priorityQueue.isEmpty()){
ListNode l1 = priorityQueue.poll();
tmp.next = l1;
tmp = l1;
}
return head.next;
}
初看没什么问题对不对,我也这么认为的,但是提交的时候报如下错误
Found cycle in the ListNode
意思如其描述,链表出现环了,但是是怎么出现的呢?首先入优先级队列的时候肯定没有,那必然是生成新的返回链表的时候出现的。具体分析了一下,发现在
ListNode l1 = priorityQueue.poll();
tmp.next = l1;
这一句出现了问题。
因为priorityQueue poll出来的结点是有next的,就比如原来的某个链表是4->2->1->3,
priorityQueue先poll出1,然后poll出2,我们本意是head->1->2。。。
但是因为原来链表2->1,这样就形成了环,就出现了上面的报错,所以在构造新链表的时候将next设为null即可,我们需要的仅仅是他的值
ListNode l1 = priorityQueue.poll();
l1.next = null;
tmp.next = l1;
下面是完整的代码
public ListNode mergeKLists(ListNode[] lists) {
PriorityQueue<ListNode> priorityQueue = new PriorityQueue<>(lists.length,(a,b)->a.val-b.val);
for (ListNode listNode:lists){
//遍历lists
while (listNode!=null){
priorityQueue.add(listNode);
listNode = listNode.next;
}
}
//创建新的Listnode,用头插法
ListNode head = new ListNode();
ListNode tmp = head;
while (!priorityQueue.isEmpty()){
ListNode l1 = priorityQueue.poll();
l1.next = null;
tmp.next = l1;
tmp = l1;
}
return head.next;
}
这样就能通过leetcode的提交了。
然后我看了一下别的和我的思路比较相同的解法,发现还有优化的地方,题目中给的lists所有的子链表都是已经排过序的,这个条件我没有用到,如果利用这个条件的话,代码可以优化为
public ListNode mergeKLists(ListNode[] lists) {
if (lists.length == 0) {
return null;
}
//虚拟头节点
ListNode dummy = new ListNode(-1);
ListNode p = dummy;
//优先级队列,最小堆,list.length是初始化capacity,可以省略
PriorityQueue<ListNode> queue = new PriorityQueue<>(lists.length,(o1, o2) -> o1.val - o2.val);
// 将k个链表的头节点假如最小堆
for (ListNode head:lists){
if (head!=null){
queue.add(head);
}
}
while (!queue.isEmpty()){
//获取最小节点,街道结果链表中
ListNode node = queue.poll();
p.next = node;
if (node.next!=null){
queue.add(node.next);
}
p = p.next;
}
return dummy.next;
}
这段代码比我的代码要节省更少的空间,因为priorityQueue有进有出,所以最小堆的深度也没有我的代码的深,插入调整啥的操作也会更快,所以这个解法更好