本文轉載于:labuladong的[單鏈表的六大解題套路](https://mp.weixin.qq.com/s?__biz=MzAxODQxMDM0Mw==&mid=2247492022&idx=1&sn=35f6cb8ab60794f8f52338fab3e5cda5&scene=21#wechat_redirect)
說到單鏈表有很多巧妙的操作,本文就總結一下單鏈表的基本技巧,每個技巧都對應著至少一道算法題:
1、合并兩個有序鏈表
2、合并`k`個有序鏈表
3、尋找單鏈表的倒數第`k`個節點
4、尋找單鏈表的中點
5、判斷單鏈表是否包含環并找出環起點
6、判斷兩個單鏈表是否相交并找出交點
這些解法都用到了雙指針技巧,所以說對于單鏈表相關的題目,雙指針的運用是非常廣泛的,下面我們就來一個一個看。
### 合并兩個有序鏈表
這是最基本的鏈表技巧,力扣第 21 題「合并兩個有序鏈表」就是這個問題:

給你輸入兩個有序鏈表,請你把他倆合并成一個新的有序鏈表,函數簽名如下:
~~~
ListNode?mergeTwoLists(ListNode?l1,?ListNode?l2);
~~~
這題比較簡單,我們直接看解法:
```
ListNode?mergeTwoLists(ListNode?l1,?ListNode?l2)?{
//?虛擬頭結點
????ListNode?dummy?=?new?ListNode(-1),?p?=?dummy;
????ListNode?p1?=?l1,?p2?=?l2;
while?(p1?!=?null?&&?p2?!=?null)?{
//?比較?p1?和?p2?兩個指針
//?將值較小的的節點接到?p?指針
if?(p1.val?>?p2.val)?{
????????????p.next?=?p2;
????????????p2?=?p2.next;
????????}?else?{
????????????p.next?=?p1;
????????????p1?=?p1.next;
????????}
//?p?指針不斷前進
????????p?=?p.next;
????}
if?(p1?!=?null)?{
????????p.next?=?p1;
????}
if?(p2?!=?null)?{
????????p.next?=?p2;
????}
return?dummy.next;
}
```
我們的 while 循環每次比較`p1`和`p2`的大小,把較小的節點接到結果鏈表上:

這個算法的邏輯類似于「拉拉鏈」,`l1, l2`類似于拉鏈兩側的鋸齒,指針`p`就好像拉鏈的拉索,將兩個有序鏈表合并。
**代碼中還用到一個鏈表的算法題中是很常見的「虛擬頭節點」技巧,也就是`dummy`節點**。你可以試試,如果不使用`dummy`虛擬節點,代碼會復雜很多,而有了`dummy`節點這個占位符,可以避免處理空指針的情況,降低代碼的復雜性。
### 合并 k 個有序鏈表
看下力扣第 23 題「合并K個升序鏈表」:

函數簽名如下:
~~~
ListNode?mergeKLists(ListNode[]?lists);
~~~
合并`k`個有序鏈表的邏輯類似合并兩個有序鏈表,難點在于,如何快速得到`k`個節點中的最小節點,接到結果鏈表上?
這里我們就要用到[優先級隊列(二叉堆)](https://mp.weixin.qq.com/s?__biz=MzAxODQxMDM0Mw==&mid=2247484495&idx=1&sn=bbfeba9bb5cfd50598e2a4d08c839ee9&scene=21#wechat_redirect)這種數據結構,把鏈表節點放入一個最小堆,就可以每次獲得`k`個節點中的最小節點:
```
ListNode?mergeKLists(ListNode\[\]?lists)?{
if?(lists.length?==?0)?returnnull;
//?虛擬頭結點
????ListNode?dummy?=?new?ListNode(-1);
????ListNode?p?=?dummy;
//?優先級隊列,最小堆
????PriorityQueue?pq?=?new?PriorityQueue<>(
????????lists.length,?(a,?b)->(a.val?-?b.val));
//?將?k?個鏈表的頭結點加入最小堆
for?(ListNode?head?:?lists)?{
if?(head?!=?null)
????????????pq.add(head);
????}
while?(!pq.isEmpty())?{
//?獲取最小節點,接到結果鏈表中
????????ListNode?node?=?pq.poll();
????????p.next?=?node;
if?(node.next?!=?null)?{
????????????pq.add(node.next);
????????}
//?p?指針不斷前進
????????p?=?p.next;
????}
return?dummy.next;
}
```
這個算法是面試常考題,它的時間復雜度是多少呢?
優先隊列`pq`中的元素個數最多是`k`,所以一次`poll`或者`add`方法的時間復雜度是`O(logk)`;所有的鏈表節點都會被加入和彈出`pq`,**所以算法整體的時間復雜度是`O(Nlogk)`,其中`k`是鏈表的條數,`N`是這些鏈表的節點總數**。
### 單鏈表的倒數第 k 個節點
從前往后尋找單鏈表的第`k`個節點很簡單,一個 for 循環遍歷過去就找到了,但是如何尋找從后往前數的第`k`個節點呢?
那你可能說,假設鏈表有`n`個節點,倒數第`k`個節點就是正數第`n - k`個節點,不也是一個 for 循環的事兒嗎?
是的,但是算法題一般只給你一個`ListNode`頭結點代表一條單鏈表,你不能直接得出這條鏈表的長度`n`,而需要先遍歷一遍鏈表算出`n`的值,然后再遍歷鏈表計算第`n - k`個節點。
也就是說,這個解法需要遍歷兩次鏈表才能得到出倒數第`k`個節點。
那么,我們能不能**只遍歷一次鏈表**,就算出倒數第`k`個節點?可以做到的,如果是面試問到這道題,面試官肯定也是希望你給出只需遍歷一次鏈表的解法。
這個解法就比較巧妙了,假設`k = 2`,思路如下:
首先,我們先讓一個指針`p1`指向鏈表的頭節點`head`,然后走`k`步:

現在的`p1`,只要再走`n - k`步,就能走到鏈表末尾的空指針了對吧?
趁這個時候,再用一個指針`p2`指向鏈表頭節點`head`:

接下來就很顯然了,讓`p1`和`p2`同時向前走,`p1`走到鏈表末尾的空指針時走了`n - k`步,`p2`也走了`n - k`步,也就恰好到達了鏈表的倒數第`k`個節點:

這樣,只遍歷了一次鏈表,就獲得了倒數第`k`個節點`p2`。
上述邏輯的代碼如下:
```
//?返回鏈表的倒數第?k?個節點
ListNode?findFromEnd(ListNode?head,?int?k)?{
????ListNode?p1?=?head;
//?p1?先走?k?步
for?(int?i?=?0;?i?<?k;?i++)?{
????????p1?=?p1.next;
????}
????ListNode?p2?=?head;
//?p1?和?p2?同時走?n?-?k?步
while?(p1?!=?null)?{
????????p2?=?p2.next;
????????p1?=?p1.next;
????}
//?p2?現在指向第?n?-?k?個節點
return?p2;
}
```
當然,如果用 big O 表示法來計算時間復雜度,無論遍歷一次鏈表和遍歷兩次鏈表的時間復雜度都是`O(N)`,但上述這個算法更有技巧性。
很多鏈表相關的算法題都會用到這個技巧,比如說力扣第 19 題「刪除鏈表的倒數第 N 個結點」:

我們直接看解法代碼:
```
//?主函數
public?ListNode?removeNthFromEnd(ListNode?head,?int?n)?{
//?虛擬頭節點
????ListNode?dummy?=?new?ListNode(-1);
????dummy.next?=?head;
//?刪除倒數第?n?個,要先找倒數第?n?+?1?個節點
????ListNode?x?=?findFromEnd(dummy,?n?+?1);
//?刪掉倒數第?n?個節點
????x.next?=?x.next.next;
return?dummy.next;
}
private?ListNode?findFromEnd(ListNode?head,?int?k)?{
//?代碼見上文
}
```
這個邏輯就很簡單了,要刪除倒數第`n`個節點,就得獲得倒數第`n + 1`個節點的引用,可以用我們實現的`findFromEnd`來操作。
不過注意我們又使用了虛擬頭結點的技巧,也是為了防止出現空指針的情況,比如說鏈表總共有 5 個節點,題目就讓你刪除倒數第 5 個節點,也就是第一個節點,那按照算法邏輯,應該首先找到倒數第 6 個節點。但第一個節點前面已經沒有節點了,這就會出錯。
但有了我們虛擬節點`dummy`的存在,就避免了這個問題,能夠對這種情況進行正確的刪除。
### 單鏈表的中點
力扣第 876 題「鏈表的中間結點」就是這個題目,問題的關鍵也在于我們無法直接得到單鏈表的長度`n`,常規方法也是先遍歷鏈表計算`n`,再遍歷一次得到第`n / 2`個節點,也就是中間節點。
如果想一次遍歷就得到中間節點,也需要耍點小聰明,使用「快慢指針」的技巧:
我們讓兩個指針`slow`和`fast`分別指向鏈表頭結點`head`。
**每當慢指針`slow`前進一步,快指針`fast`就前進兩步,這樣,當`fast`走到鏈表末尾時,`slow`就指向了鏈表中點**。
上述思路的代碼實現如下:
```
ListNode?middleNode(ListNode?head)?{
//?快慢指針初始化指向?head
????ListNode?slow?=?head,?fast?=?head;
//?快指針走到末尾時停止
while?(fast?!=?null?&&?fast.next?!=?null)?{
//?慢指針走一步,快指針走兩步
????????slow?=?slow.next;
????????fast?=?fast.next.next;
????}
//?慢指針指向中點
return?slow;
}
```
需要注意的是,如果鏈表長度為偶數,也就是說中點有兩個的時候,我們這個解法返回的節點是靠后的那個節點。
另外,這段代碼稍加修改就可以直接用到判斷鏈表成環的算法題上。
### 判斷鏈表是否包含環
判斷單鏈表是否包含環屬于經典問題了,解決方案也是用快慢指針:
每當慢指針`slow`前進一步,快指針`fast`就前進兩步。
如果`fast`最終遇到空指針,說明鏈表中沒有環;如果`fast`最終和`slow`相遇,那肯定是`fast`超過了`slow`一圈,說明鏈表中含有環。
只需要把尋找鏈表中點的代碼稍加修改就行了:
```
boolean?hasCycle(ListNode?head)?{
//?快慢指針初始化指向?head
????ListNode?slow?=?head,?fast?=?head;
//?快指針走到末尾時停止
while?(fast?!=?null?&&?fast.next?!=?null)?{
//?慢指針走一步,快指針走兩步
????????slow?=?slow.next;
????????fast?=?fast.next.next;
//?快慢指針相遇,說明含有環
if?(slow?==?fast)?{
returntrue;
????????}
????}
//?不包含環
returnfalse;
}
```
當然,這個問題還有進階版:如果鏈表中含有環,如何計算這個環的起點?

這里簡單提一下解法:
```
ListNode?detectCycle(ListNode?head)?{
????ListNode?fast,?slow;
????fast?=?slow?=?head;
while?(fast?!=?null?&&?fast.next?!=?null)?{
????????fast?=?fast.next.next;
????????slow?=?slow.next;
if?(fast?==?slow)?break;
????}
//?上面的代碼類似?hasCycle?函數
if?(fast?==?null?||?fast.next?==?null)?{
//?fast?遇到空指針說明沒有環
returnnull;
????}
//?重新指向頭結點
????slow?=?head;
//?快慢指針同步前進,相交點就是環起點
while?(slow?!=?fast)?{
????????fast?=?fast.next;
????????slow?=?slow.next;
????}
return?slow;
}
```
可以看到,當快慢指針相遇時,讓其中任一個指針指向頭節點,然后讓它倆以相同速度前進,再次相遇時所在的節點位置就是環開始的位置。
我們假設快慢指針相遇時,慢指針`slow`走了`k`步,那么快指針`fast`一定走了`2k`步:

**`fast`一定比`slow`多走了`k`步,這多走的`k`步其實就是`fast`指針在環里轉圈圈,所以`k`的值就是環長度的「整數倍」**。
假設相遇點距環的起點的距離為`m`,那么結合上圖的?slow指針,環的起點距頭結點`head`的距離為`k - m`,也就是說如果從`head`前進`k - m`步就能到達環起點。
巧的是,如果從相遇點繼續前進`k - m`步,也恰好到達環起點。因為結合上圖的?fast指針,從相遇點開始走`k`步可以轉回到相遇點,那走`k - m`步肯定就走到環起點了:

所以,只要我們把快慢指針中的任一個重新指向`head`,然后兩個指針同速前進,`k - m`步后一定會相遇,相遇之處就是環的起點了。
### 兩個鏈表是否相交
這個問題有意思,也是力扣第 160 題「相交鏈表」函數簽名如下:
~~~
ListNode?getIntersectionNode(ListNode?headA,?ListNode?headB);
~~~
給你輸入兩個鏈表的頭結點`headA`和`headB`,這兩個鏈表可能存在相交。
如果相交,你的算法應該返回相交的那個節點;如果沒相交,則返回 null。
比如題目給我們舉的例子,如果輸入的兩個鏈表如下圖:

那么我們的算法應該返回`c1`這個節點。
這個題直接的想法可能是用`HashSet`記錄一個鏈表的所有節點,然后和另一條鏈表對比,但這就需要額外的空間。
如果不用額外的空間,只使用兩個指針,你如何做呢?
難點在于,由于兩條鏈表的長度可能不同,兩條鏈表之間的節點無法對應:

如果用兩個指針`p1`和`p2`分別在兩條鏈表上前進,并不能**同時**走到公共節點,也就無法得到相交節點`c1`。
**所以,解決這個問題的關鍵是,通過某些方式,讓`p1`和`p2`能夠同時到達相交節點`c1`**。
所以,我們可以讓`p1`遍歷完鏈表`A`之后開始遍歷鏈表`B`,讓`p2`遍歷完鏈表`B`之后開始遍歷鏈表`A`,這樣相當于「邏輯上」兩條鏈表接在了一起。
如果這樣進行拼接,就可以讓`p1`和`p2`同時進入公共部分,也就是同時到達相交節點`c1`:

那你可能會問,如果說兩個鏈表沒有相交點,是否能夠正確的返回 null 呢?
這個邏輯可以覆蓋這種情況的,相當于`c1`節點是 null 空指針嘛,可以正確返回 null。
按照這個思路,可以寫出如下代碼:
```
ListNode?getIntersectionNode(ListNode?headA,?ListNode?headB)?{
//?p1?指向?A?鏈表頭結點,p2?指向?B?鏈表頭結點
????ListNode?p1?=?headA,?p2?=?headB;
while?(p1?!=?p2)?{
//?p1?走一步,如果走到?A?鏈表末尾,轉到?B?鏈表
if?(p1?==?null)?p1?=?headB;
else????????????p1?=?p1.next;
//?p2?走一步,如果走到?B?鏈表末尾,轉到?A?鏈表
if?(p2?==?null)?p2?=?headA;
else????????????p2?=?p2.next;
????}
return?p1;
}
```
這樣,這道題就解決了,空間復雜度為`O(1)`,時間復雜度為`O(N)`。
以上就是單鏈表的所有技巧,希望對你有啟發。
- 一.JVM
- 1.1 java代碼是怎么運行的
- 1.2 JVM的內存區域
- 1.3 JVM運行時內存
- 1.4 JVM內存分配策略
- 1.5 JVM類加載機制與對象的生命周期
- 1.6 常用的垃圾回收算法
- 1.7 JVM垃圾收集器
- 1.8 CMS垃圾收集器
- 1.9 G1垃圾收集器
- 2.面試相關文章
- 2.1 可能是把Java內存區域講得最清楚的一篇文章
- 2.0 GC調優參數
- 2.1GC排查系列
- 2.2 內存泄漏和內存溢出
- 2.2.3 深入理解JVM-hotspot虛擬機對象探秘
- 1.10 并發的可達性分析相關問題
- 二.Java集合架構
- 1.ArrayList深入源碼分析
- 2.Vector深入源碼分析
- 3.LinkedList深入源碼分析
- 4.HashMap深入源碼分析
- 5.ConcurrentHashMap深入源碼分析
- 6.HashSet,LinkedHashSet 和 LinkedHashMap
- 7.容器中的設計模式
- 8.集合架構之面試指南
- 9.TreeSet和TreeMap
- 三.Java基礎
- 1.基礎概念
- 1.1 Java程序初始化的順序是怎么樣的
- 1.2 Java和C++的區別
- 1.3 反射
- 1.4 注解
- 1.5 泛型
- 1.6 字節與字符的區別以及訪問修飾符
- 1.7 深拷貝與淺拷貝
- 1.8 字符串常量池
- 2.面向對象
- 3.關鍵字
- 4.基本數據類型與運算
- 5.字符串與數組
- 6.異常處理
- 7.Object 通用方法
- 8.Java8
- 8.1 Java 8 Tutorial
- 8.2 Java 8 數據流(Stream)
- 8.3 Java 8 并發教程:線程和執行器
- 8.4 Java 8 并發教程:同步和鎖
- 8.5 Java 8 并發教程:原子變量和 ConcurrentMap
- 8.6 Java 8 API 示例:字符串、數值、算術和文件
- 8.7 在 Java 8 中避免 Null 檢查
- 8.8 使用 Intellij IDEA 解決 Java 8 的數據流問題
- 四.Java 并發編程
- 1.線程的實現/創建
- 2.線程生命周期/狀態轉換
- 3.線程池
- 4.線程中的協作、中斷
- 5.Java鎖
- 5.1 樂觀鎖、悲觀鎖和自旋鎖
- 5.2 Synchronized
- 5.3 ReentrantLock
- 5.4 公平鎖和非公平鎖
- 5.3.1 說說ReentrantLock的實現原理,以及ReentrantLock的核心源碼是如何實現的?
- 5.5 鎖優化和升級
- 6.多線程的上下文切換
- 7.死鎖的產生和解決
- 8.J.U.C(java.util.concurrent)
- 0.簡化版(快速復習用)
- 9.鎖優化
- 10.Java 內存模型(JMM)
- 11.ThreadLocal詳解
- 12 CAS
- 13.AQS
- 0.ArrayBlockingQueue和LinkedBlockingQueue的實現原理
- 1.DelayQueue的實現原理
- 14.Thread.join()實現原理
- 15.PriorityQueue 的特性和原理
- 16.CyclicBarrier的實際使用場景
- 五.Java I/O NIO
- 1.I/O模型簡述
- 2.Java NIO之緩沖區
- 3.JAVA NIO之文件通道
- 4.Java NIO之套接字通道
- 5.Java NIO之選擇器
- 6.基于 Java NIO 實現簡單的 HTTP 服務器
- 7.BIO-NIO-AIO
- 8.netty(一)
- 9.NIO面試題
- 六.Java設計模式
- 1.單例模式
- 2.策略模式
- 3.模板方法
- 4.適配器模式
- 5.簡單工廠
- 6.門面模式
- 7.代理模式
- 七.數據結構和算法
- 1.什么是紅黑樹
- 2.二叉樹
- 2.1 二叉樹的前序、中序、后序遍歷
- 3.排序算法匯總
- 4.java實現鏈表及鏈表的重用操作
- 4.1算法題-鏈表反轉
- 5.圖的概述
- 6.常見的幾道字符串算法題
- 7.幾道常見的鏈表算法題
- 8.leetcode常見算法題1
- 9.LRU緩存策略
- 10.二進制及位運算
- 10.1.二進制和十進制轉換
- 10.2.位運算
- 11.常見鏈表算法題
- 12.算法好文推薦
- 13.跳表
- 八.Spring 全家桶
- 1.Spring IOC
- 2.Spring AOP
- 3.Spring 事務管理
- 4.SpringMVC 運行流程和手動實現
- 0.Spring 核心技術
- 5.spring如何解決循環依賴問題
- 6.springboot自動裝配原理
- 7.Spring中的循環依賴解決機制中,為什么要三級緩存,用二級緩存不夠嗎
- 8.beanFactory和factoryBean有什么區別
- 九.數據庫
- 1.mybatis
- 1.1 MyBatis-# 與 $ 區別以及 sql 預編譯
- Mybatis系列1-Configuration
- Mybatis系列2-SQL執行過程
- Mybatis系列3-之SqlSession
- Mybatis系列4-之Executor
- Mybatis系列5-StatementHandler
- Mybatis系列6-MappedStatement
- Mybatis系列7-參數設置揭秘(ParameterHandler)
- Mybatis系列8-緩存機制
- 2.淺談聚簇索引和非聚簇索引的區別
- 3.mysql 證明為什么用limit時,offset很大會影響性能
- 4.MySQL中的索引
- 5.數據庫索引2
- 6.面試題收集
- 7.MySQL行鎖、表鎖、間隙鎖詳解
- 8.數據庫MVCC詳解
- 9.一條SQL查詢語句是如何執行的
- 10.MySQL 的 crash-safe 原理解析
- 11.MySQL 性能優化神器 Explain 使用分析
- 12.mysql中,一條update語句執行的過程是怎么樣的?期間用到了mysql的哪些log,分別有什么作用
- 十.Redis
- 0.快速復習回顧Redis
- 1.通俗易懂的Redis數據結構基礎教程
- 2.分布式鎖(一)
- 3.分布式鎖(二)
- 4.延時隊列
- 5.位圖Bitmaps
- 6.Bitmaps(位圖)的使用
- 7.Scan
- 8.redis緩存雪崩、緩存擊穿、緩存穿透
- 9.Redis為什么是單線程、及高并發快的3大原因詳解
- 10.布隆過濾器你值得擁有的開發利器
- 11.Redis哨兵、復制、集群的設計原理與區別
- 12.redis的IO多路復用
- 13.相關redis面試題
- 14.redis集群
- 十一.中間件
- 1.RabbitMQ
- 1.1 RabbitMQ實戰,hello world
- 1.2 RabbitMQ 實戰,工作隊列
- 1.3 RabbitMQ 實戰, 發布訂閱
- 1.4 RabbitMQ 實戰,路由
- 1.5 RabbitMQ 實戰,主題
- 1.6 Spring AMQP 的 AMQP 抽象
- 1.7 Spring AMQP 實戰 – 整合 RabbitMQ 發送郵件
- 1.8 RabbitMQ 的消息持久化與 Spring AMQP 的實現剖析
- 1.9 RabbitMQ必備核心知識
- 2.RocketMQ 的幾個簡單問題與答案
- 2.Kafka
- 2.1 kafka 基礎概念和術語
- 2.2 Kafka的重平衡(Rebalance)
- 2.3.kafka日志機制
- 2.4 kafka是pull還是push的方式傳遞消息的?
- 2.5 Kafka的數據處理流程
- 2.6 Kafka的腦裂預防和處理機制
- 2.7 Kafka中partition副本的Leader選舉機制
- 2.8 如果Leader掛了的時候,follower沒來得及同步,是否會出現數據不一致
- 2.9 kafka的partition副本是否會出現腦裂情況
- 十二.Zookeeper
- 0.什么是Zookeeper(漫畫)
- 1.使用docker安裝Zookeeper偽集群
- 3.ZooKeeper-Plus
- 4.zk實現分布式鎖
- 5.ZooKeeper之Watcher機制
- 6.Zookeeper之選舉及數據一致性
- 十三.計算機網絡
- 1.進制轉換:二進制、八進制、十六進制、十進制之間的轉換
- 2.位運算
- 3.計算機網絡面試題匯總1
- 十四.Docker
- 100.面試題收集合集
- 1.美團面試常見問題總結
- 2.b站部分面試題
- 3.比心面試題
- 4.騰訊面試題
- 5.哈羅部分面試
- 6.筆記
- 十五.Storm
- 1.Storm和流處理簡介
- 2.Storm 核心概念詳解
- 3.Storm 單機版本環境搭建
- 4.Storm 集群環境搭建
- 5.Storm 編程模型詳解
- 6.Storm 項目三種打包方式對比分析
- 7.Storm 集成 Redis 詳解
- 8.Storm 集成 HDFS 和 HBase
- 9.Storm 集成 Kafka
- 十六.Elasticsearch
- 1.初識ElasticSearch
- 2.文檔基本CRUD、集群健康檢查
- 3.shard&replica
- 4.document核心元數據解析及ES的并發控制
- 5.document的批量操作及數據路由原理
- 6.倒排索引
- 十七.分布式相關
- 1.分布式事務解決方案一網打盡
- 2.關于xxx怎么保證高可用的問題
- 3.一致性hash原理與實現
- 4.微服務注冊中心 Nacos 比 Eureka的優勢
- 5.Raft 協議算法
- 6.為什么微服務架構中需要網關
- 0.CAP與BASE理論
- 十八.Dubbo
- 1.快速掌握Dubbo常規應用
- 2.Dubbo應用進階
- 3.Dubbo調用模塊詳解
- 4.Dubbo調用模塊源碼分析
- 6.Dubbo協議模塊