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

LeetCode 42接雨水全解:暴力超时→DP降维打击→双指针极限压缩空间→单调栈栈式凹槽定位,全景式解析算法优化路径

LeetCode 42接雨水全解:暴力超时→DP降维打击→双指针极限压缩空间→单调栈栈式凹槽定位,全景式解析算法优化路径

文章目录 * 本篇摘要 * LeetCode 42 接雨水 详解 * ① 暴力解法(多循环嵌套,卡超时,因此后续使用了两种基于暴力优化的方法) * ② 动态规划解法 * 核心思想 * 步骤(三步走) * 举例说明 * 代码实现思路 * ③ 双指针解法(优化对应的dp的空间复杂度变成O(1)) * 双指针优化思路 * ④单调栈解法 * 单调栈简介 * 核心特点 * 常见用途 * 左边最近比当前数大的数(用单调栈) * 步骤: * 示例: * 最终结果: * 单调栈一般模版 * 关键点 * 注意点 * 单调栈不同选型需求 * 优势 * 引入单调栈 * 本篇小结 本篇摘要 本篇围绕LeetCode 42“接雨水”展开,剖析四种解法:暴力法通过嵌套循环统计每柱接水量,易超时;动态规划预先记录左右最大值,将复杂度降至O(n);双指针边遍历边更新极值,空间优化至O(1

By Ne0inhk
【数据结构】常见时间复杂度以及空间复杂度

【数据结构】常见时间复杂度以及空间复杂度

时间复杂度与空间复杂度 * 一、复杂度的概念 * 二、时间复杂度 * 1、大O的渐进表示法 * 2、函数clock计算运算时间 * 3、常见复杂度对比 * 3.1常数项复杂度 * 3.2线性时间复杂度 * 案例1 * 案例2 * 3.3平方阶复杂度 * 3.4对数复杂度 * 3.5递归函数 * 单递归 * 双递归 * 三、空间复杂度 * 冒泡排序O(1) * 三个反置O(N) 一、复杂度的概念 * 一个算法的好坏,主要是对比两者的时间和空间两个维度,也就是时间和空间复杂度。 * 时间复杂度主要衡量一个算法运行的快慢,空间复杂度主要衡量一个算法运行需要的额外空间 二、时间复杂度 * 算法的时间复杂度是一个函数式T(N),算法中的基本操作的执行次数,为算法的时间复杂度。 * 注:编译器的不同,编译所需要的时间也不同。越新的编译器,编译的时间往往比旧的编译器快 * 当一个算法函数式为T(

By Ne0inhk
Flutter 三方库 statistics 鸿蒙高性能数据回归科学系统全域适配:将顶尖数理统计算法与重负载大模型双栈引擎植入微距节点彻底盘活泛计算终端底层数据-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 statistics 鸿蒙高性能数据回归科学系统全域适配:将顶尖数理统计算法与重负载大模型双栈引擎植入微距节点彻底盘活泛计算终端底层数据-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 statistics 鸿蒙高性能数据回归科学系统全域适配:将顶尖数理统计算法与重负载大模型双栈引擎植入微距节点彻底盘活泛计算终端底层数据感知系统 前言 在鸿蒙生态的智慧医疗、金融理财及运动健康类应用中,实时对传感器数据或业务流水进行深度统计分析是核心能力。例如,通过运动步频计算方差以识别走跑状态,或根据心率波动进行回归分析以预测压力指数。statistics 库作为 Dart 生态中轻量且纯粹的数学工具集,为这类需求提供了高性能的底层支持。本文将探讨如何在 OpenHarmony 上适配该库,实现设备侧的大数据即时运算。 一、原理解析 / 概念介绍 1.1 基础原理/概念介绍 statistics 库不依赖外部厚重的二进制 C++ 库,它通过 Dart 语言级优化实现了对 Iterable<num> 的原生扩展。其核心逻辑聚焦于描述性统计(Descriptive Statistics)与回归模型(Regression

By Ne0inhk
【数据结构与算法】单链表综合练习:1.删除链表中等于给定值 val 的所有节点 2.反转链表 3.链表中间节点

【数据结构与算法】单链表综合练习:1.删除链表中等于给定值 val 的所有节点 2.反转链表 3.链表中间节点

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《C语言》《【初阶】数据结构与算法》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、删除链表中等于给定值 val 的所有节点 * 1.1题目 * 1.2 算法原理 * 1.3代码 * 二、反转链表 * 2.1题目 * 2.2 算法原理 * 2.3代码 * 三、链表中间节点 * 3.1题目 * 3.2 算法原理 * 3.3代码 * 总结与每日励志 前言 链表是 C 语言和数据结构学习的核心考点,也是编程入门绕不开的经典题型。本文聚焦删除指定值节点、

By Ne0inhk