3
无重复字符的最长子串
中等高频
146
LRU缓存机制
中等高频
206
反转链表
简单高频
215
数组中的第K个最大元素
中等高频
25
K个一组翻转链表
困难高频
15
三数之和
中等高频
53
最大子数组和
中等高频
912
排序数组
中等高频
21
合并两个有序链表
简单高频
5
最长回文子串
中等高频
200
岛屿数量
中等高频
33
搜索旋转排序数组
中等高频
46
全排列
中等高频
88
合并两个有序数组
简单高频
20
有效的括号
简单高频
121
买卖股票的最佳时机
简单高频
236
二叉树的最近公共祖先
中等高频
92
反转链表 II
中等高频
103
二叉树的锯齿形层序遍历
中等高频
141
环形链表
简单高频
300
最长上升子序列
中等高频
54
螺旋矩阵
中等高频
143
重排链表
中等高频
23
合并K个排序链表
困难高频
415
字符串相加
简单高频
56
合并区间
中等高频
160
相交链表
简单高频
42
接雨水
困难高频
1143
最长公共子序列
中等高频
124
二叉树中的最大路径和
困难高频
93
复原IP地址
中等高频
82
删除排序链表中的重复元素 II
中等中频
19
删除链表的倒数第N个节点
中等中频
142
环形链表 II
中等中频
4
寻找两个正序数组的中位数
困难中频
199
二叉树的右视图
中等中频
102
二叉树的层序遍历
中等中频
165
比较版本号
中等中频
704
二分查找
简单中频
232
用栈实现队列
简单中频
22
括号生成
中等中频
94
二叉树的中序遍历
简单中频
239
滑动窗口最大值
困难中频
69
x 的平方根
简单中频
148
排序链表
中等中频
32
最长有效括号
困难中频
31
下一个排列
中等中频
8
字符串转换整数 (atoi)
中等中频
70
爬楼梯
简单中频
322
零钱兑换
中等中频
43
字符串相乘
中等中频
76
最小覆盖子串
困难中频
41
缺失的第一个正数
困难中频
105
从前序与中序遍历序列构造二叉树
中等中频
78
子集
中等中频
151
翻转字符串里的单词
中等中频
155
最小栈
简单中频
34
在排序数组中查找元素的第一个和最后一个位置
中等中频
394
字符串解码
中等中频
101
对称二叉树
简单中频
39
组合总和
中等中频
470
用 Rand7() 实现 Rand10()
中等低频
64
最小路径和
中等低频
104
二叉树的最大深度
简单低频
110
平衡二叉树
简单低频
144
二叉树的前序遍历
简单低频
48
旋转图像
中等低频
234
回文链表
简单低频
695
岛屿的最大面积
中等低频
122
买卖股票的最佳时机 II
简单低频
240
搜索二维矩阵 II
中等低频
221
最大正方形
中等低频
98
验证二叉搜索树
中等低频
543
二叉树的直径
简单低频
14
最长公共前缀
简单低频
179
最大数
中等低频
113
路径总和 II
中等低频
662
二叉树最大宽度
中等低频
62
不同路径
中等低频
198
打家劫舍
中等低频
152
乘积最大子数组
中等低频
560
和为K的子数组
中等低频
112
路径总和
简单低频
226
翻转二叉树
简单低频
209
长度最小的子数组
中等低频
227
基本计算器 II
中等低频
169
多数元素
简单低频
24
两两交换链表中的节点
中等低频
139
单词拆分
中等低频
283
移动零
简单低频
718
最长重复子数组
中等低频
1
两数之和
简单低频
2
两数相加
中等低频
#23
困难
高频
优先队列

合并K个排序链表

这是一道围绕链表、数组、排序展开的高频练习。建议先掌握「优先队列」这套写法,再结合下方步骤讲解理解状态维护、边界处理和复杂度取舍。

链表
数组
排序

题目分析

给你若干条已经排好序的链表,要求把它们合并成一条新的升序链表。

一句话概括:

每次从所有链表当前头节点里选最小的那个接到结果链表后面。

接下来怎么看推荐代码: 带着这个理解再看推荐代码时,重点观察这条主线:把每条链表当前头节点放进小顶堆,每次弹出最小节点接到结果尾部,再把它的后继压回堆。

推荐代码

推荐解法:优先队列
时间复杂度: O(n log k)
空间复杂度: O(k)
核心思路: 把每条链表当前头节点放进小顶堆,每次弹出最小节点接到结果尾部,再把它的后继压回堆。
class ListNode {
    int val;
    ListNode next;
    ListNode() {}
    ListNode(int val) { this.val = val; }
    ListNode(int val, ListNode next) { this.val = val; this.next = next; }
}

class Solution {
    class Status implements Comparable<Status> {
        int val;
        ListNode ptr;

        Status(int val, ListNode ptr) {
            this.val = val;
            this.ptr = ptr;
        }

        public int compareTo(Status status2) {
            return this.val - status2.val;
        }
    }

    PriorityQueue<Status> queue = new PriorityQueue<Status>();

    public ListNode mergeKLists(ListNode[] lists) {
        for (ListNode node: lists) {
            if (node != null) {
                queue.offer(new Status(node.val, node));
            }
        }
        ListNode head = new ListNode(0);
        ListNode tail = head;
        while (!queue.isEmpty()) {
            Status f = queue.poll();
            tail.next = f.ptr;
            tail = tail.next;
            if (f.ptr.next != null) {
                queue.offer(new Status(f.ptr.next.val, f.ptr.next));
            }
        }
        return head.next;
    }
}

结构化讲解

面试时怎么讲

开场思路

这题我会把它看成 k 路归并,用小顶堆维护每条链表当前头节点。

核心过程

  1. 先把所有非空链表头放进小顶堆。
  2. 每次弹出堆顶最小节点,接到结果链表尾部。
  3. 如果这个节点还有后继,就把后继重新压回堆。
  4. 直到堆为空,结果链表就完全有序合并好了。

复杂度总结

时间复杂度 O(n log k),空间复杂度 O(k)

面试补一句:这题本质上就是“链表版 k 路归并”。

核心思路

合并 K 个有序链表的关键是不要每次都线性比较 K 个头节点。小顶堆能让“当前最小值是谁”始终在 log k 时间内确定下来。

步骤讲解

1

先把每条链表头节点放进小顶堆

遍历所有链表,把非空头节点加入按节点值排序的小顶堆。

为什么这样做:这些头节点就是当前所有候选最小值的来源。
对应代码提示:PriorityQueue heap = new PriorityQueue<>((a, b) -> a.val - b.val);
2

每次弹出当前最小节点接到答案尾部

堆顶节点一定是所有未处理节点里最小的,把它接到结果链表末尾。

为什么这样做:这样构造出的结果链表天然保持全局有序。
对应代码提示:ListNode node = heap.poll(); tail.next = node; tail = tail.next;
3

把弹出节点的后继重新放回堆

如果当前最小节点还有后继,就把它所在链表的下一个节点继续压入堆。

为什么这样做:每条链表的候选头会随着弹出操作不断向后推进。
对应代码提示:if (node.next != null) heap.offer(node.next);

易错点

每轮手动扫 k 个头节点

虽然能做,但会把复杂度拉到 O(nk),当 k 大时明显变慢。

正确理解:用小顶堆统一维护当前 k 路候选头。

堆里压入空节点

会导致比较器或弹出逻辑出错。

正确理解:初始化和更新时都只压非空节点。

接入结果后忘记推进 tail

后续节点会覆盖已有连接,结果链表结构错误。

正确理解:每次接入新节点后都同步更新 tail

复杂度与适用判断

时间复杂度:O(n log k)
空间复杂度:O(k)
比其他方案更好在哪里:比顺序两两合并更稳,尤其当链表数量很多时优势更明显。
适用判断:多路有序流合并时,优先考虑小顶堆或分治归并。

额外提醒

  • 堆里保留的不是所有节点,而是每条链表当前最前面的候选节点。

其他语言 / 其他解法

分治算法

分治法:将k个链表分成两组,分别合并,然后再合并结果。时间复杂度为O(n*logk),其中k是链表数量,n是所有链表的节点总数。空间复杂度为O(logk),主要用于递归调用栈。

时间复杂度:O(n*logk)
空间复杂度:O(logk)
一句话思路:分治法:将k个链表分成两组,分别合并,然后再合并结果。时间复杂度为O(n*logk),其中k是链表数量,n是所有链表的节点总数。空间复杂度为O(logk),主要用于递归调用栈。
class ListNode {
    int val;
    ListNode next;
    ListNode() {}
    ListNode(int val) { this.val = val; }
    ListNode(int val, ListNode next) { this.val = val; this.next = next; }
}

class Solution {
    public ListNode mergeKLists(ListNode[] lists) {
        return merge(lists, 0, lists.length - 1);
    }

    public ListNode merge(ListNode[] lists, int l, int r) {
        if (l == r) {
            return lists[l];
        }
        if (l > r) {
            return null;
        }
        int mid = (l + r) >> 1;
        return mergeTwoLists(merge(lists, l, mid), merge(lists, mid + 1, r));
    }

    public ListNode mergeTwoLists(ListNode a, ListNode b) {
        if (a == null || b == null) {
            return a != null ? a : b;
        }
        ListNode head = new ListNode(0);
        ListNode tail = head, aPtr = a, bPtr = b;
        while (aPtr != null && bPtr != null) {
            if (aPtr.val < bPtr.val) {
                tail.next = aPtr;
                aPtr = aPtr.next;
            } else {
                tail.next = bPtr;
                bPtr = bPtr.next;
            }
            tail = tail.next;
        }
        tail.next = (aPtr != null ? aPtr : bPtr);
        return head.next;
    }
}

迭代法

迭代法:依次合并两个链表,直到所有链表合并完成。时间复杂度为O(k*n),其中k是链表数量,n是所有链表的节点总数。空间复杂度为O(1),只使用了常数级别的额外空间。

时间复杂度:O(k*n)
空间复杂度:O(1)
一句话思路:迭代法:依次合并两个链表,直到所有链表合并完成。时间复杂度为O(k*n),其中k是链表数量,n是所有链表的节点总数。空间复杂度为O(1),只使用了常数级别的额外空间。
class ListNode {
    int val;
    ListNode next;
    ListNode() {}
    ListNode(int val) { this.val = val; }
    ListNode(int val, ListNode next) { this.val = val; this.next = next; }
}

class Solution {
    public ListNode mergeKLists(ListNode[] lists) {
        ListNode ans = null;
        for (int i = 0; i < lists.length; ++i) {
            ans = mergeTwoLists(ans, lists[i]);
        }
        return ans;
    }

    public ListNode mergeTwoLists(ListNode a, ListNode b) {
        if (a == null || b == null) {
            return a != null ? a : b;
        }
        ListNode head = new ListNode(0);
        ListNode tail = head, aPtr = a, bPtr = b;
        while (aPtr != null && bPtr != null) {
            if (aPtr.val < bPtr.val) {
                tail.next = aPtr;
                aPtr = aPtr.next;
            } else {
                tail.next = bPtr;
                bPtr = bPtr.next;
            }
            tail = tail.next;
        }
        tail.next = (aPtr != null ? aPtr : bPtr);
        return head.next;
    }
}
动画演示仅在桌面端提供,移动端请优先阅读推荐代码与结构化讲解。