力扣: 反转链表

文章目录

需求

给你单链表的头节点 head ,请你反转链表,并返回反转后的链表。

示例1:

输入:head = [1,2,3,4,5]

输出:[5,4,3,2,1]

示例2:

输入:head = [1,2]

输出:[2,1]
示例 3:

输入:head = []

输出:[]

分析

初始化:我们使用两个指针,prev 和 current。prev 用来指向反转后的链表的前一个节点(初始时为 None),current 用来遍历原链表(初始时为 head)。

遍历链表:

  • 先保存当前节点的下一个节点 next_node。
  • 将当前节点的 next 指针指向 prev,实现反转操作。
  • 更新 prev 为当前节点。
  • 更新 current 为 next_node,继续遍历。

返回新头节点:当 current 变为 None 时,prev 就是新链表的头节点,返回它即可。

双指针法

java 复制代码
public ListNode reverseList(ListNode head) {
    if( head == null || head.next == null ){
        return head;
    }
    ListNode pre = null;
    ListNode cur = head;
    while( cur != null ){
        //  先把cur的下一个节点拿出来
        ListNode nextNode = cur.next;
        //  将 cur 的下一个指向前一个
        cur.next = pre;
        pre = cur;
        cur = nextNode;
    }   
    return pre;
}

执行结果:

递归

上面的代码很容易改写为递归的写法:

java 复制代码
if( head == null || head.next == null ){
        return head;
    }
    return reverseList( null, head );
}

private ListNode reverseList(ListNode pre, ListNode cur) {
    if( cur == null ){
        return pre;
    }
    //  拿出cur的下一个
    ListNode nextNode = cur.next;
    cur.next = pre;
    return reverseList( cur, nextNode );
}

递归终止条件:

if (cur == null):当遍历到链表的末尾时(即 cur 为 null),返回 pre,这是反转后新链表的头节点。

反转节点:

ListNode nextNode = cur.next;:保存当前节点的下一个节点,以便后续操作。

cur.next = pre;:将当前节点的 next 指针指向前一个节点 pre,这一步是反转指针的核心操作。

递归调用:

return reverseList(cur, nextNode);:调用自身,传入当前节点 cur 作为新的前一个节点,和保存的 nextNode 作为当前节点,以继续反转剩余的链表。

运行结果:

结尾

以上 是我对这道算法的一些遐想和延伸, 可能不是最优解, 但是算法的优化嘛 本身就是一个思索的过程, 能在这个思索和迭代的过程中有所收获和乐趣就是在成长了, 欢迎大家一起来交流更多的解答...

相关推荐
空白到白几秒前
机器学习-聚类
人工智能·算法·机器学习·聚类
索迪迈科技5 分钟前
java后端工程师进修ing(研一版 || day40)
java·开发语言·学习·算法
zzzsde20 分钟前
【数据结构】队列
数据结构·算法
芒克芒克29 分钟前
LeetCode 面试经典 150 题:删除有序数组中的重复项(双指针思想解法详解)
算法
青 .30 分钟前
数据结构---二叉搜索树的实现
c语言·网络·数据结构·算法·链表
MChine慕青1 小时前
顺序表与单链表:核心原理与实战应用
linux·c语言·开发语言·数据结构·c++·算法·链表
塔中妖2 小时前
【华为OD】查找接口成功率最优时间段
算法·链表·华为od
塔中妖2 小时前
【华为OD】最大子矩阵和
算法·华为od·矩阵
努力学习的小廉2 小时前
深入了解linux系统—— 线程同步
linux·服务器·数据库·算法
数据爬坡ing3 小时前
从挑西瓜到树回归:用生活智慧理解机器学习算法
数据结构·深度学习·算法·决策树·机器学习