编程语言
首页 > 编程语言> > 算法基础~链表~排序链表的合并(k条)

算法基础~链表~排序链表的合并(k条)

作者:互联网

算法基础~链表~排序链表的合并(k条)

1,题意:已知k个已排序链表头结点指针,将这k个链表合并,合并后仍然为有序的,返回合并后的头结点。

2,方法之间时间复杂度的比较:

方法1(借助工具vector封装好的sort方法):将k * n个结点放到vector,则原 vector的排序时间复杂度是 O(nlogn);

有k*n个结点的排序,时间复杂度是 O(knlog(kn));

方法2(分制后相连法),分制:这里咱要想到高中的DNA复制~一个DNA复制生成K个DNA的过程。

【1----复制----》k个数】,复制了n次,结果有k个数,则2n = k

这里咱反过来,想到是在融合,则【k个数----复制----》1】,这个过程需要融合的次数,跟当初 复制次数一样,由2n = k,解得,n=logk。

●具体过程分析:

第一次,链表两两之间合并,进行 合并次数为 k/2,每次处理结点数字为2n个;

第二次,链表两两之间合并,进行 合并次数为 k/4,每次处理结点数字为4n个;

。。。

由上面推导的融合过程,知道最后一次,即 第 logk 次,链表两两之间进行 合并,进行合并次数为

k/2 logk,每次处理结点数字为2 logk n个;

时间复杂度:2n * k/2 + 4n * k/4 + 8n * k/8 + … + 2 logk n * k/2 logk = nk + nk + nk +… +nk = O(nklogk);

所以方法2,更优;

 

3,从方法2的分析过程,咱深深的感受到一种:把规模大的问题变成规模较小的;规模较小的问题又变成规模更小的问题,

小到一定程度可以直接得出它的解,从而得到问题的解。~没错,是递归的味道!

 

4,直接上代码,分析如上【代码中的mergeTwoLists(链表1头指针,链表2头指针)参考咱上一篇文章:

算法基础~链表~排序链表的合并(2条)》~ https://www.cnblogs.com/shan333/p/15041561.html】:

public class Solution {
  public:
    ListNode* mergeKLists(std::vector<ListNode*>& lists){
       if(lists.size() == 0){
           return NULL;
       }
       if(lists.size() == 1){
           return lists[0];
       }
       if(lists.size() == 2){
           return mergeTwoLists(lists[0],lists[1]);
       }
       int mid = lists.size() / 2;
       //拆分成两个子lists
       std::vector<ListNode*> sub1_lists;
       std::vector<ListNode*> sub2_lists;
       for(int i = 0; i < mid; i++){
           sub1_lists.push_back(lists[i]);
       }
       for(int i = mid; i < lists.size(); i++){
           sub2_lists.push_back(lists[i]);
       }
       //递归,不断的两两链表进行融合
       ListNode *l1 = mergeKList(sub1_lists);
       ListNode *l2 = mergeKList(sub2_lists);
       return mergeTwoLists(l1, l2);
    }
}

 

5,递归思想的使用:

递归算法的思想是:把规模大的问题变成规模较小的;规模较小的问题又变成规模更小的问题,小到一定程度可以直接得出它的解,从而得到问题的解。

解决问题时,把一个问题转化为一个新的问题,而这个新的问题的解决方法仍与原问题的解法相同,

只是所处理的对象有所不同,这些被处理的对象之间是有规律的递增或递减;

 

 

 

参考文章:《什么情况下用递归?~https://blog.csdn.net/ggxxkkll/article/details/7524056

标签:结点,合并,lists,链表,算法,vector,排序,logk
来源: https://www.cnblogs.com/shan333/p/15042105.html