[LeetCode] 23. 合并K个升序链表

题目描述:

给你一个链表数组,每个链表都已经按升序排列。

请你将所有链表合并到一个升序链表中,返回合并后的链表。

示例 1:

输入:lists = [[1,4,5],[1,3,4],[2,6]]
输出:[1,1,2,3,4,4,5,6]
解释:链表数组如下:
[
  1->4->5,
  1->3->4,
  2->6
]
将它们合并到一个有序链表中得到。
1->1->2->3->4->4->5->6

示例 2:

输入:lists = []
输出:[]

示例 3:

输入:lists = [[]]
输出:[]

提示:

  • k == lists.length
  • 0 <= k <= 10^4
  • 0 <= lists[i].length <= 500
  • -10^4 <= lists[i][j] <= 10^4
  • lists[i] 按 升序 排列
  • lists[i].length 的总和不超过 10^4

题目链接:

. - 力扣(LeetCode)

解题主要思想:

刚开始我是借助优先级队列,建小根堆完成此题目,编写简单。之后在网上了解到还有一种以分治归并思想的解法,即将两个相邻的链表合并,再往上合并。

解题代码:
(借助优先级队列建小根堆)

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        auto cmp = [](const ListNode* l1, const ListNode* l2){return l1->val > l2->val;};
        // 建小根堆
        priority_queue<ListNode*, vector<ListNode*>, decltype(cmp)> heap(cmp);
        // 将每个头节点push到堆中
        for (auto& l : lists) {
            if (l) heap.push(l);
        }
        // 构造目标链表
        ListNode head(0);
        ListNode* prev = &head;
        while (!heap.empty()) {
            ListNode* cur = heap.top();
            heap.pop();
            prev->next = cur;
            prev = prev->next;
            if (cur->next) heap.push(cur->next);
        }
        return head.next;
    }
};

(分治归并)

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        return merge(lists, 0, lists.size()-1);
    }
    ListNode* merge(vector<ListNode*>& lists, int left, int right)
    {
        if (left > right) return nullptr;
        if (left == right) return lists[left];

        int mid = (left+right) >> 1;
        ListNode* l1 = merge(lists, left, mid);
        ListNode* l2 = merge(lists, mid+1, right);
        // 合并两个链表
        return _merge(l1, l2);
    }
    ListNode* _merge(ListNode* l1, ListNode* l2)
    {
        if (l1 == nullptr) return l2;
        if (l2 == nullptr) return l1;

        ListNode head(0);
        ListNode* cur1 = l1, *cur2 = l2, *prev = &head;
        // 升序合并两个链表
        while (cur1 && cur2) {
            if (cur1->val < cur2->val) {
                prev->next = cur1;
                prev = prev->next;
                cur1 = cur1->next;
            }
            else {
                prev->next = cur2;
                prev = prev->next;
                cur2 = cur2->next;
            }
        }
        while (cur1) {
            prev->next = cur1;
            prev = prev->next;
            cur1 = cur1->next;
        }
        while (cur2) {
            prev->next = cur2;
            prev = prev->next;
            cur2 = cur2->next;
        }
        return head.next;
    }
};

### 回答1: LRU (Least Recently Used) 算法是一种常用于缓存淘汰策略的算法,它的原理是根据数据的访问时间来进行淘汰,即最近最少使用的数据优先被淘汰。在实现 LRU 算法时,我们通常使用一个双向链表和一个哈希表来存储数据。 链表中的每个节点用来存储一个数据,节点包含三个属性:key,value 和 prev、next 指针,其中 key 和 value 分别表示数据的键和值,prev 和 next 指针用来指向前驱和后继节点。 哈希表用来存储每个数据在链表中的位置,键为数据的键,值为链表中对应节点的指针。这样,在对数据进行查找和删除时,我们只需要在哈希表中查找对应节点的指针,就可以快速地访问到链表中的数据。 每次访问数据时,我们需要将其移到链表的末尾,这样就可以保证链表的头部始终为最近最少使用的数据。当链表已满时,我们需要删除链表头部的数据,也就是最近最少使用的数据。 总的来说,实现 LRU 算法需要以下几个步骤: 1. 初始化一个双向链表和一个哈希表; 2. 每次访问数据时,将其移到链表的末尾; 3. 当链表已满时,删除链表头部的数据; 4. 在链表和哈希表中添加、删除或查找数据时,需要保证两者的一致性。 ### 回答2: Java LRU(最近最少使用)算法可以通过链表实现。 LRU算法是一种用于缓存淘汰的策略,它根据数据的使用情况来决定哪些数据将被保留在缓存中,哪些数据将被淘汰。在LRU算法中,最近最少使用的数据会被选择淘汰。 在Java中,我们可以使用链表来实现LRU算法链表的每个节点代表一个数据,节点的顺序表示数据的使用顺序,最近使用的数据位于链表的头部,最近最少使用的数据位于链表的尾部。 实现LRU算法链表需要支持两个操作:插入和删除。当有新的数据被访问时,我们首先在链表中查找该数据。如果数据已经存在于链表中,我们将其从原来的位置删除,并将其插入到链表的头部。如果数据不存在于链表中,我们将其插入到链表的头部。当链表的大小达到缓存的容量上限时,我们需要删除链表尾部的节点。 通过链表实现LRU算法有一定的优势。插入和删除操作的时间复杂度为O(1),即常数时间。同时,由于链表的特性,我们可以轻松地调整节点的顺序,以实现LRU算法的功能。 总之,通过链表实现Java LRU算法是一种简单有效的方法。它通过维护一个有序的链表结构来实现数据的使用顺序,并且支持快速的插入和删除操作。这种实现方式可以用于缓存等需要快速访问和淘汰数据的场景,提高系统性能和效率。 ### 回答3: LRU(Least Recently Used,最近最少使用)算法是一种常用的缓存替换算法,用于解决缓存空间有限的情况下,有效地管理缓存中的数据。 在实现LRU算法时,通常使用双向链表和HashMap结合的方式。 双向链表是用于记录数据的访问顺序,最近访问的数据位于链表头部,而最久未访问的数据位于链表尾部。每当有数据被访问时,如果该数据在链表中已存在,则将该数据移到链表头部;如果数据不存在,则将该数据添加到链表头部。当缓存满时,需要替换最久未访问的数据,即链表尾部的数据。 HashMap用于快速定位某个数据是否在缓存中,并记录该数据在双向链表中的位置。当需要访问数据时,首先在HashMap中查找是否存在该数据,若存在,则将该数据移到链表头部,同时更新HashMap中该数据对应的位置;若不存在,则将该数据添加到链表头部,并在HashMap中添加该数据的映射。 通过以上的链表和HashMap的结合,可以实现LRU算法。当数据被访问时,可以在O(1)的时间复杂度内完成查找和移动操作,从而提高算法的效率。 总结起来,LRU算法通过双向链表和HashMap的结合,实现了对缓存中数据的高效管理,提高了数据访问效率。这种算法在很多场景下都有广泛的应用,比如操作系统的页面置换、数据库查询优化等。
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

打赏作者

福楠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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