链表进阶核心 | LeetCode 92 区间反转:吃透递归反转与哨兵技巧

链表进阶核心 | LeetCode 92 区间反转:吃透递归反转与哨兵技巧

✨链表进阶核心 | LeetCode 92 区间反转:吃透递归反转与哨兵技巧🎯

视频地址

因为想更好的为大佬服务,制作了同步视频,这是Bilibili的视频地址

链表反转是数据结构与算法中的经典高频考点,从基础的全链表反转,到反转前n个节点,再到进阶的区间反转,层层递进。本文将以LeetCode 92. 反转链表 II为核心,从基础的「反转前n个节点」递归实现讲起,结合虚拟头节点神器,手把手拆解区间反转的解题逻辑,带你彻底掌握链表递归反转的核心思想!


🚀 开篇引论:链表反转的进阶之路

链表是一种线性、离散存储的数据结构,节点之间通过指针关联,无法像数组一样随机访问,这也让链表反转成为了考察指针操作与递归思维的最佳题型。

LeetCode 92 区间反转问题,并非孤立的算法题,而是**「反转前n个节点」**的进阶应用。我们的解题思路非常清晰:先攻克基础的前n节点反转,再将区间反转问题拆解为基础问题的组合,化繁为简,轻松破解难题。


🔄 基础筑基:链表【前n个节点】递归反转

在解决区间反转之前,我们必须先实现一个核心工具函数:反转链表的前n个节点,这是解题的核心基石。

1. 函数定义与核心功能

我们定义递归函数 reverseN,功能如下:

  • 函数签名ListNode* reverseN(ListNode* head, int n)
  • 核心功能:反转以head为头节点的链表的前n个节点,返回反转后的新链表头节点;剩余未反转节点保持原顺序。

2. 递归实现思路拆解

递归的核心是分解子问题 + 终止条件 + 回溯调整指针,严格遵循以下逻辑:

  1. 终止条件:当n == 1时,说明已经找到待反转的最后一个节点,直接返回当前节点(新头节点);
  2. 递归子问题:记录当前节点的下一个节点为tail,递归调用reverseN反转head.next开头的n-1个节点;
  3. 回溯调整指针:将当前头节点指向tail的后继节点,再将tail指向当前头节点,完成局部反转;
  4. 返回结果:最终返回递归得到的新头节点。

3. 直观调用示例

我们以链表 1->2->3->4 为例,通过表格直观展示函数效果:

原链表结构输入参数n反转后链表结构
1->2->3->422->1->3->4
1->2->3->433->2->1->4

4. 关键代码实现(C++)与详解

 // 链表节点定义(通用) 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) {} }; // 核心函数:反转链表前n个节点(递归实现) ListNode* reverseN(ListNode* head, int n) { // 终止条件:n=1,到达待反转的最后一个节点,直接返回 if (n == 1) { return head; } // 记录当前节点的下一个节点(待反转的子链表头) ListNode* tail = head->next; // 递归反转:反转head.next的前n-1个节点,得到新头节点 ListNode* newHead = reverseN(head->next, n - 1); // 指针调整:当前头节点指向tail的后继节点 head->next = tail->next; // tail指向当前头节点,完成局部反转 tail->next = head; // 返回反转后的新头节点 return newHead; } 

代码关键解析

  • tail 保存了当前节点的直接后继,是回溯时调整指针的核心;
  • 递归会一直深入到待反转的最后一个节点,回溯时从后往前调整指针,完美实现反转;
  • 未反转的节点完全不影响,保证了链表的完整性。

🎯 实战攻坚:LeetCode 92 链表区间反转

1. 题目问题描述

LeetCode 92. 反转链表 II

给你单链表的头指针 head 和两个整数 mn1 ≤ m ≤ n ≤ 链表长度),请你反转从位置 m 到位置 n 的链表节点,返回反转后的链表。

2. 神器加持:虚拟头节点(哨兵)技巧

这是链表题中解决边界问题的万能技巧

  • 定义:创建一个额外的链表节点(值任意,如0),让它的next指向原链表的头节点,这个节点就是虚拟头节点(dummy)
  • 核心作用:消除「待反转区间包含原链表头节点」的特殊情况,统一所有操作逻辑,类似哨兵节点的防护作用。

我们用Mermaid图直观展示虚拟头节点的结构:

next

移动m-1步

m=2

虚拟头节点 dummy\nval=0

节点1

节点2

节点3

null

指针p

指针p

📌 图表说明:虚拟头节点独立于原链表,指针p只需移动m-1步,就能精准定位到待反转区间的前驱节点,无论m=1还是m>1,逻辑完全一致。

3. 整体解题思路

将区间反转问题拆解为3个简单步骤,完美复用我们的reverseN函数:

  1. 定位前驱节点:通过虚拟头节点,移动指针找到第m-1个节点(记为p),它是待反转区间的前一个节点;
  2. 计算反转长度:待反转节点数 k = n - m + 1
  3. 调用工具函数+拼接:调用reverseN反转p.next开头的k个节点,将p.next指向反转后的新头节点,完成拼接。

4. 完整代码实现(C++)与逐行解析

 // LeetCode92 区间反转主函数 ListNode* reverseBetween(ListNode* head, int m, int n) { // 1. 创建虚拟头节点,指向原链表头 ListNode* dummy = new ListNode(0); dummy->next = head; // 2. 定义指针p,初始指向虚拟头节点 ListNode* p = dummy; // 3. 移动m-1步,定位到待反转区间的前驱节点 for (int i = 0; i < m - 1; i++) { p = p->next; } // 4. 计算需要反转的节点个数 int k = n - m + 1; // 5. 调用reverseN,反转p.next开头的k个节点 p->next = reverseN(p->next, k); // 6. 返回虚拟头节点的next(最终链表头) return dummy->next; } 

代码关键解析

  • 虚拟头节点彻底规避了m=1时头节点变化的边界问题;
  • 仅通过一次循环定位前驱节点,时间复杂度极低;
  • 核心反转逻辑完全复用reverseN,代码复用性拉满。

5. 算法复杂度分析

  • 时间复杂度: O ( n ) O(n) O(n) ,仅遍历链表一次,递归操作也是线性的;
  • 空间复杂度: O ( n ) O(n) O(n) ,递归调用会占用栈空间(若改用迭代实现reverseN,空间可优化为 O ( 1 ) O(1) O(1) )。

📚 算法原理深度剖析

1. 递归反转的核心原理

链表递归反转的本质是后序遍历:先递归深入到子问题的终止节点,再回溯调整指针。

对于reverseN,我们把「反转前n个节点」分解为「反转前n-1个节点」的子问题,直到n=1到达终点,再逐层回溯调整指针,最终完成整体反转。

2. 虚拟头节点的底层逻辑

普通链表操作中,头节点没有前驱,当反转区间包含头节点时,需要单独写判断逻辑。虚拟头节点为原链表增加了一个「公共前驱」,让所有节点的操作逻辑完全统一,代码更简洁、更健壮。


💡 算法学习核心建议

结合本题的学习,给大家分享算法刷题的核心方法论:

  1. 思维与代码双管齐下:学习算法分为学思路写代码两个过程,缺一不可。先理解递归分解、区间拆解的思维逻辑,再动手敲代码,才能真正内化;
  2. 基础工具优先掌握:复杂算法题都是基础工具的组合,比如本题的reverseN就是核心工具,吃透基础,进阶题迎刃而解;
  3. 实操大于空想:不要只看题解,跟着思路逐行敲代码,调试指针操作,才能攻克链表的指针难点;
  4. 刻意练习边界情况:链表题的坑点都在边界(如m=1、n=链表长度),刻意针对边界测试,提升代码健壮性。

结语

LeetCode 92 区间反转,是链表递归反转的里程碑式题目。它教会我们:复杂问题拆解为基础子问题,用工具函数简化核心逻辑,用技巧规避边界问题

从反转前n个节点,到区间反转,不仅是代码的进阶,更是递归思维的升华。希望大家通过本文,彻底吃透链表反转的核心,在算法刷题的路上稳步前行!💪


✅ 关键点回顾

  1. 核心工具:reverseN递归反转链表前n个节点;
  2. 万能技巧:虚拟头节点统一链表边界操作;
  3. 解题核心:区间反转 = 定位前驱 + 调用基础反转函数 + 拼接链表;
  4. 学习方法:思路先行,代码跟进,刻意练习!
链表进阶核心 | LeetCode 92 区间反转:吃透递归反转与哨兵技巧

Read more

算法基础篇:(二十一)数据结构之单调栈:从原理到实战,玩转高效解题

算法基础篇:(二十一)数据结构之单调栈:从原理到实战,玩转高效解题

目录 前言 一、什么是单调栈?先打破 “栈” 的常规认知 1.1 单调栈的核心特性 1.2 如何实现一个单调栈? 实现单调递增栈 实现单调递减栈 1.3 核心操作解析:为什么要 “弹出元素”? 二、单调栈能解决什么问题?四大核心场景全覆盖 2.1 场景 1:找左侧最近的 “更大元素” 问题描述 解题思路 代码实现 测试用例验证 2.2 场景 2:找左侧最近的 “更小元素” 问题描述 解题思路 代码实现 测试用例验证 2.3 场景 3:找右侧最近的 “更大元素” 问题描述

By Ne0inhk
【希尔排序算法】详解:原理、实现与优化

【希尔排序算法】详解:原理、实现与优化

【希尔排序算法】详解:原理、实现与优化 * 一、算法概述 * 基本特性 * 二、算法原理详解 * 核心思想 * 增量序列选择 * 三、算法流程图示 * 示例数组:[8, 9, 1, 7, 2, 3, 5, 4, 6, 0] * 初始状态 * 第一轮:gap=5 * 第二轮:gap=2 * 第三轮:gap=1(标准插入排序) * 四、完整Java实现 * 五、算法分析 * 时间复杂度分析 * 空间复杂度 * 稳定性 * 六、实际应用场景 * 七、与其他排序算法的对比 * 八、总结 🌺The Begin�

By Ne0inhk

傅里叶变换 | FFT 与 DFT 原理及算法

注:本文为 “傅里叶变换 | FFT 与 DFT” 相关合辑。 英文引文,机翻未校。 中文引文,略作重排。 图片清晰度受引文原图所限。 如有内容异常,请看原文。 Fast Fourier Transform (FFT) 快速傅里叶变换(FFT) In this section we present several methods for computing the DFT efficiently. In view of the importance of the DFT in various digital signal processing applications, such as linear filtering,

By Ne0inhk
贪心算法(局部最优实现全局最优)第一篇

贪心算法(局部最优实现全局最优)第一篇

目录 1. 什么是贪心算法 2. 贪心算法的解题步骤 3. 具体例题及代码 3.1 LeetCode860. 柠檬水找零 3.2 LeetCode2208. 将数组和减半的最少操作次数 3.3 LeetCode179. 最大数 从这篇文章开始,我们开始讲解贪心算法。 1. 什么是贪心算法 贪心算法是算法设计中的经典思想,核心逻辑用一句话就能概括 ——每一步都做出当前情况下的最优选择,不回头、不纠结,最终期望得到全局最优解。它不像动态规划那样依赖中间状态存储,也不用回溯尝试所有可能,凭借 “直来直往” 的思路,成为解决特定问题的高效方案。 2. 贪心算法的解题步骤 1. 问题拆解:将复杂问题拆分成多个连续的局部决策步骤。 2. 确定贪心策略:明确每一步的 “最优标准”(比如 “选最小”“选最大”“选最早结束”)。 3. 验证可行性:

By Ne0inhk