手撕力扣138题:优雅复制带随机指针的链表,三步搞定经典算法题

手撕力扣138题:优雅复制带随机指针的链表,三步搞定经典算法题

手撕力扣138题✨:优雅复制带随机指针的链表,三步搞定经典算法题

在链表的算法考察中,带随机指针的链表复制绝对是高频考点,力扣138题虽被标注为中等难度,但实则是锻炼链表操作思维的经典简单题。普通链表的复制仅需遍历处理next指针即可,而带random随机指针的链表,因random可指向链表任意节点(或空),复刻其指向关系成为解题核心难点。本文将分享三步法解题思路,从原理剖析到C++代码实现,手把手教你优雅解决这个问题,让复杂的随机指针复制变得so easy!

一、题目核心剖析🔍

题目要求

给定一个单链表,每个节点除了包含一个next指针指向下一个节点,还包含一个random指针,该指针可以随机指向链表中的任意一个节点,也可以指向NULL。要求完整复制出这个链表的深拷贝,新链表的每个节点都是全新的节点,且nextrandom指针的指向关系与原链表完全一致。

解题难点

普通链表复制的核心是按序遍历处理next指针,而本题的关键痛点在于:原节点的random指针指向的位置是随机的,复制节点无法直接确定自己的random指针该指向哪个新节点。如果先单独复制所有节点再处理random指针,需要额外的哈希表存储原节点与复制节点的映射关系,而本文的三步法无需额外空间(空间复杂度O(1)),是更优的解法。

节点结构定义(C++)

首先定义题目中的链表节点结构,这是代码实现的基础:

 // 定义带随机指针的链表节点 struct Node { int val; Node* next; Node* random; Node(int x) : val(x), next(NULL), random(NULL) {} }; 

二、核心解题思路💡:三步法原地复制

本次解题的核心思路是原地插入复制节点→修正复制节点的random指针→拆分原链表与复制链表,全程在原链表上操作,无需额外的哈希表存储映射,时间复杂度O(n),空间复杂度O(1)(仅使用常数个指针变量)。

为了更直观理解算法步骤,我们以原链表1 → 2 → 3 → NULL为例,其中原节点1的random指向3,原节点2的random指向1,原节点3的random指向NULL,通过图形一步步拆解算法执行过程。

步骤1:原地插入复制节点,打造“原节点-复制节点”成对链表

核心操作:遍历原链表,在每个原节点的后面插入一个值相同、random指针暂时与原节点一致的复制节点,使原链表变为原节点→复制节点→原节点→复制节点的成对结构。

操作目的:让复制节点与原节点形成一一对应的紧邻关系,为后续修正random指针提供便利,通过“原节点的random指向→原节点random的下一个节点”,即可找到复制节点的正确random指向。

图形演示

原链表:

 1 → 2 → 3 → NULL | | | v v v 3 1 NULL 

插入复制节点后(复制节点标为1’、2’、3’):

 1 → 1' → 2 → 2' → 3 → 3' → NULL | | | | | | v v v v v v 3 3 1 1 NULL NULL 

可以看到,复制节点的random指针暂时和原节点指向相同,后续需要修正。

核心代码片段

 // 步骤1:在每个原节点后插入复制节点 Node* p = head; while (p != NULL) { Node* copy = new Node(p->val); // 复制原节点的值 copy->random = p->random; // 暂时让复制节点的random与原节点一致 copy->next = p->next; // 复制节点的next指向原节点的下一个节点 p->next = copy; // 原节点的next指向复制节点 p = copy->next; // p跳转到下一个原节点,继续遍历 } 

步骤2:修正复制节点的random指针,指向正确的复制节点

核心操作:遍历插入后的链表,仅处理复制节点random指针:若原节点的random指向节点A,那么复制节点的random应指向A的复制节点A’,而A’正是A的下一个节点,因此只需将复制节点的random指向原random指向的节点的next即可。

注意点:需要判断原节点的random是否为NULL,若为NULL,复制节点的random也保持NULL,无需处理。

图形演示

待修正的链表(复制节点random未修正):

 1 → 1' → 2 → 2' → 3 → 3' → NULL | | | | | | v v v v v v 3 3 1 1 NULL NULL 

修正后(复制节点random指向对应复制节点):

 1 → 1' → 2 → 2' → 3 → 3' → NULL | | | | | | v v v v v v 3 3' 1 1' NULL NULL 

此时,所有复制节点的nextrandom指针均已指向正确位置,仅剩最后一步拆分。

核心代码片段

 // 步骤2:修正复制节点的random指针 p = head->next; // p指向第一个复制节点 while (p != NULL) { if (p->random != NULL) { // 若原random不为空,才需要修正 p->random = p->random->next; } // p跳转到下一个复制节点(隔一个节点) p = (p->next != NULL) ? p->next->next : NULL; } 

步骤3:拆分原链表与复制链表,得到最终的深拷贝链表

核心操作:遍历成对的链表,将原节点→复制节点→原节点→复制节点的结构拆分为原链表(原节点依次连接)和复制链表(复制节点依次连接),恢复原链表的同时,得到独立的复制链表。

操作技巧:设置两个指针分别指向原节点和复制节点,依次遍历并调整next指针,最终复制链表的头节点为原链表头节点的下一个节点(head->next)。

图形演示

待拆分的链表(已修正random):

 1 → 1' → 2 → 2' → 3 → 3' → NULL | | | | | | v v v v v v 3 3' 1 1' NULL NULL 

拆分后:

原链表:1 → 2 → 3 → NULL(恢复原状)

复制链表:1' → 2' → 3' → NULL(最终结果)

核心代码片段

 // 步骤3:拆分原链表和复制链表 Node* newHead = head->next; // 复制链表的头节点 Node* p1 = head; // p1指向原节点 Node* p2 = newHead; // p2指向复制节点 while (p1 != NULL) { p1->next = p2->next; // 原节点的next指向下一个原节点 p1 = p1->next; // p1后移 if (p1 != NULL) { // 若原节点未到末尾,复制节点继续后移 p2->next = p1->next; p2 = p2->next; } } return newHead; // 返回复制链表的头节点 

三、完整C++代码实现📝

结合上述三步法,补充空链表判断等边界条件处理,给出完整的C++代码实现,代码逻辑清晰,注释详尽,可直接在力扣提交通过:

 #include <iostream> using namespace std; // 定义带随机指针的链表节点 struct Node { int val; Node* next; Node* random; Node(int x) : val(x), next(NULL), random(NULL) {} }; class Solution { public: Node* copyRandomList(Node* head) { // 边界条件:空链表直接返回NULL if (head == NULL) { return NULL; } // 步骤1:在每个原节点后插入复制节点 Node* p = head; while (p != NULL) { Node* copy = new Node(p->val); copy->random = p->random; copy->next = p->next; p->next = copy; p = copy->next; } // 步骤2:修正复制节点的random指针 p = head->next; while (p != NULL) { if (p->random != NULL) { p->random = p->random->next; } p = (p->next != NULL) ? p->next->next : NULL; } // 步骤3:拆分原链表和复制链表 Node* newHead = head->next; Node* p1 = head; Node* p2 = newHead; while (p1 != NULL) { p1->next = p2->next; p1 = p1->next; if (p1 != NULL) { p2->next = p1->next; p2 = p2->next; } } return newHead; } }; // 测试代码(可选) void printList(Node* head) { Node* p = head; while (p != NULL) { cout << "节点值:" << p->val; if (p->random != NULL) { cout << ",random指向:" << p->random->val << endl; } else { cout << ",random指向:NULL" << endl; } p = p->next; } } int main() { // 构建测试链表 Node* n1 = new Node(1); Node* n2 = new Node(2); Node* n3 = new Node(3); n1->next = n2; n2->next = n3; n1->random = n3; n2->random = n1; n3->random = NULL; Solution s; Node* copyHead = s.copyRandomList(n1); cout << "复制链表的节点信息:" << endl; printList(copyHead); return 0; } 

四、算法性能分析📊

时间复杂度

算法全程对链表进行三次遍历:插入复制节点一次、修正random指针一次、拆分链表一次。每次遍历的时间复杂度为O(n),总时间复杂度为O(n)(时间复杂度不考虑常数项,3n最终简化为n)。

空间复杂度

算法仅使用了常数个指针变量(p、p1、p2、newHead等),未使用额外的数组、哈希表等数据结构,所有操作均在原链表上完成,因此空间复杂度为O(1)。

对比哈希表法

除了本次的三步法,解决该问题还有哈希表映射法:先复制所有节点,用哈希表存储原节点→复制节点的映射,再遍历处理nextrandom指针。该方法的时间复杂度也是O(n),但空间复杂度为O(n)(需要存储n个节点的映射),相比之下,三步法是更优的原地解法。

五、解题总结与拓展📚

解题核心要点

  1. 原地插入复制节点是关键:让复制节点与原节点紧邻,将“随机的指向关系”转化为“固定的紧邻关系”,无需额外存储映射;
  2. 分步骤处理更清晰:将复杂的复制问题拆分为“插入→修正→拆分”三个简单步骤,逐个突破,降低思维难度;
  3. 边界条件不可忽视:必须判断原链表是否为空,同时处理random指针为NULL的情况,避免空指针异常。

算法拓展

本题的三步法是链表原地操作的经典应用,这类思路还可迁移到其他链表问题中,例如:

  1. 链表的原地反转(多指针法);
  2. 寻找链表的中间节点(快慢指针法);
  3. 合并两个有序链表(原地合并)。

掌握链表的指针操作技巧,理解“分步骤处理”和“原地操作”的思想,能让我们更轻松地应对各类链表算法题。力扣138题作为基础经典题,是锻炼链表思维的绝佳素材,吃透这道题,后续的复杂链表问题也能迎刃而解!

手撕力扣138题✨:优雅复制带随机指针的链表,三步搞定经典算法题

写在最后:算法的学习并非死记硬背,而是理解思路、多做练习、学会迁移。希望本文的三步法能让你对带随机指针的链表复制有清晰的认识,也希望大家在刷题过程中,多思考、多总结,让算法思维不断提升✨。

Read more

43-dify案例分享-MCP-Server让工作流秒变第三方可调用服务

43-dify案例分享-MCP-Server让工作流秒变第三方可调用服务

1.前言 之前我们为大家介绍过MCP SSE插件,它能够支持MCP-server在Dify平台上的调用,从而帮助Dify与第三方平台提供的MCP-server进行无缝对接。有些小伙伴提出了疑问:既然Dify可以通过MCP SSE插件调用其他平台的MCP-server,那么Dify的工作流或Chatflow是否也能发布为MCP-server,供其他支持MCP client的工具使用呢?今天,我们将为大家介绍一款Dify插件——mcp-server,它能够实现这一功能,即将Dify的工作流或Chatflow发布为MCP-server,供其他第三方工具调用。 插件名字叫做MCP-server,我们在dify插件市场可以找到这个工具 Mcp-server 是一个由 Dify 社区贡献的 Extension 类型插件。安装后,你可以把任何 Dify 应用转变成符合 MCP 标准的 Server Endpoint,供外部 MCP 客户端直接访问。它的主要功能包括: * **暴露为 MCP 工具:**将 Dify 应用抽象为单一 MCP 工具,供外部 MCP 客户端(如

By Ne0inhk
【MCP】详细了解MCP协议:和function call的区别何在?如何使用MCP?

【MCP】详细了解MCP协议:和function call的区别何在?如何使用MCP?

本文介绍了MCP大模型上下文协议的的概念,并对比了MCP协议和function call的区别,同时用python sdk为例介绍了mcp的使用方式。 1. 什么是MCP? 官网:https://modelcontextprotocol.io/introduction 2025年,Anthropic提出了MCP协议。MCP全称为Model Context Protocol,翻译过来是大模型上下文协议。这个协议的主要为AI大模型和外部工具(比如让AI去查询信息,或者让AI操作本地文件)之间的交互提供了一个统一的处理协议。我们常用的USB TypeC接口(USB-C)统一了USB接口的样式,MCP协议就好比AI大模型中的USB-C,统一了大模型与工具的对接方式。 MCP协议采用了C/S架构,也就是服务端、客户端架构,能支持在客户端设备上调用远程Server提供的服务,同时也支持stdio流式传输模式,也就是在客户端本地启动mcp服务端。只需要在配置文件中新增MCP服务端,就能用上这个MCP服务器提供的各种工具,大大提高了大模型使用外部工具的便捷性。 MCP是开源协议,能让所有A

By Ne0inhk
【大模型系列篇】大模型基建工程:基于 FastAPI 自动构建 SSE MCP 服务器

【大模型系列篇】大模型基建工程:基于 FastAPI 自动构建 SSE MCP 服务器

今天我们将使用FastAPI来构建 MCP 服务器,Anthropic 推出的这个MCP 协议,目的是让 AI 代理和你的应用程序之间的对话变得更顺畅、更清晰。FastAPI 基于 Starlette 和 Uvicorn,采用异步编程模型,可轻松处理高并发请求,尤其适合 MCP 场景下大模型与外部系统的实时交互需求,其性能接近 Node.js 和 Go,在数据库查询、文件操作等 I/O 密集型任务中表现卓越。 开始今天的正题前,我们来回顾下相关的知识内容: 《高性能Python Web服务部署架构解析》、《使用Python开发MCP Server及Inspector工具调试》、《构建智能体MCP客户端:完成大模型与MCP服务端能力集成与最小闭环验证》   FastAPI基础知识 安装依赖 pip install uvicorn, fastapi FastAPI服务代码示例  from fastapi import FastAPI app

By Ne0inhk
超详细图文教程:用vscode+copilot(代理模式)便捷使用mcp+一个范例:用自然语言进行3d建模

超详细图文教程:用vscode+copilot(代理模式)便捷使用mcp+一个范例:用自然语言进行3d建模

在vscode使用claude mcp吧! 在vscode更新到最新版本(注意,这是前提)后,内置的copilot可以使用mcp了!!! 关于mcp(Model Context Protocol 模型上下文协议),可以参考我的上一篇文章: MCP个人理解+示例+集成管理+在python中调用示例,给AI大模型装上双手-ZEEKLOG博客 以下是使用教程: 1.点击左下角的齿轮状设置按钮,点击设置 2.在输入面板输入chat.agent.enabled,勾上勾选框 3.点击Ctrl+shift+P,输入reload,点击重新加载窗口,刷新窗口 4.打开copilot后,在右下角将模式改为代理即可。 5.点击工具按钮,开始安装mcp 先去github找到自己想要添加的mcp服务,以blender MCP为例,打开https://github.com/ahujasid/blender-mcp,可以在readme文档里看到详细的安装过程。可以看到,

By Ne0inhk