原题如下:
1、选值法
笔者见到这个题第一时间想到的是归并排序,每次挑选出所有链表第一个节点中,全部最小的值(假设有n个),建立新链表。被选中的老链表节点后移一位,新链表生长n位。
例如:
[1->4->5,1->3->4,2->6]
(1)第一次选择后:
老链表:
[4->5,3->4,2->6]
新链表:
[1->1]
(2)第二次选择后:
老链表:
[4->5,3->4,6]
新链表:
[1->1->2]
。。。。。。
遇到空节点就删除,直到所有节点为空。
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, x):
# self.val = x
# self.next = None
class Solution:
def mergeKLists(self, lists: List[ListNode]) -> ListNode:
ret=[]
head=ListNode(0)
h=head
flag=1#用于标记是否有节点,只要存在一个节点,flag就为1
while flag:
mn=float("inf")#记录最小值
flag=0
index=0
now=[]#记录所有本次循环找到最小值的节点下标index
while index<len(lists):
node=lists[index]
if node:
flag=1
#print(mn,node.val)
if node.val<mn:
now=[index]
mn=node.val
elif node.val==mn:
now.append(index)
index+=1
else:
lists.pop(index)
if flag:
for t in now:
lists[t]=lists[t].next
#print(t.val,t.next.val)
temp=ListNode(mn)
head.next=temp
head=head.next
return h.next
时间复杂度最坏为O(kn),k表示老链表的数目。
当老链表数目k接近所有节点数时,时间复杂度最坏为O(n2),原题测试样例中给出了最坏情况的样例(如下图),因此这份代码会超时。
这个神仙样例给了17页这种情形,代码复杂度拉到最大直接超时,笔者原地爆炸。
其实这里是比较好的方法,只是笔者思路偏差,只要做如下优化:
选值时可采用O(k)的空间建立堆,将所有链表第一个节点加入堆。这样时间复杂度为O(nlogk),读者可自行尝试(笔者优化时采用了其他思路,写博客的时候才发现这里直通最优复杂度)。
2、排序
(1)直接排序
针对这种情形,可以考虑讲所有节点记录下来,排序后建立链表。排序的时间复杂度为O(nlogn)。
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, x):
# self.val = x
# self.next = None
import heapq
class Solution:
def mergeKLists(self, lists: List[ListNode]) -> ListNode:
head=ListNode(0)
h=head
sort=[]
index=0
while index<len(lists):
while lists[index]:
sort.append(lists[index].val)
lists[index]=lists[index].next
index+=1
sort.sort()
while sort:
temp=ListNode(sort.pop(0))
head.next=temp
head=head.next
return h.next
这份代码超88%。
(2)堆排序
如果考虑使用堆排序。(这个地方其实没有必要,不如上面快,只是笔者写了,就分享出来)
(1)遍历每个节点,将所有节点加入最小堆,遍历时间复杂度O(n),加入堆O(logn),这一步整体为O(logn)。
(2)全部存完后再从小到大取出建立链表(O(logn))。
整个的时间复杂度仍为O(nlogn)。
# Definition for singly-linked list.
# class ListNode:
# def __init__(self, x):
# self.val = x
# self.next = None
import heapq
class Solution:
def mergeKLists(self, lists: List[ListNode]) -> ListNode:
head=ListNode(0)
h=head
sort=[]
index=0
while index<len(lists):
#print(lists[index].val)
while lists[index]:
heapq.heappush(sort,lists[index].val)
lists[index]=lists[index].next
index+=1
#print(sort)
#print(sort)
while sort:
temp=ListNode(heapq.heappop(sort))
head.next=temp
head=head.next
return h.next
这份代码速度超75%。
3、两两合并
时间复杂度O(nlogk),k为老链表数目。
总链表数N->N/2->N/4->N/8…
思路就是归并排序,节省了空间。