[hot100 NO.19~24]-CSDN博客

19🎈. 螺旋矩阵

螺旋矩阵遍历算法解析

这个算法的核心思路是通过维护四个边界（上、下、左、右），按 “右→下→左→上” 的顺序逐层遍历矩阵，每遍历完一条边就收缩对应边界，直到边界交叉（遍历完成）。

一、核心变量定义

int u = 0;          // 上边界（初始为第0行）
int d = matrix.size() - 1;  // 下边界（初始为最后一行）
int l = 0;          // 左边界（初始为第0列）
int r = matrix[0].size() - 1;  // 右边界（初始为最后一列）
vector<int> ans;    // 存储遍历结果

二、遍历逻辑（循环体）

循环中按右→下→左→上的顺序遍历，每完成一条边就收缩边界，并检查是否已遍历完成（边界交叉）。

1. 第一步：从左到右遍历 “上边界” 行

for(int i = l; i <= r; ++i) ans.push_back(matrix[u][i]); // 向右遍历上边界行
if(++ u > d) break; // 上边界向下收缩，若上边界超过下边界，说明遍历完成

遍历范围：左边界 l → 右边界 r，行固定为 u（上边界）。
收缩边界：上边界 u 加 1（后续不再遍历这一行）。
终止检查：如果新的上边界 u 大于下边界 d，说明所有行已遍历，直接退出循环。

2. 第二步：从上到下遍历 “右边界” 列

for(int i = u; i <= d; ++i) ans.push_back(matrix[i][r]); // 向下遍历右边界列
if(-- r < l) break; // 右边界向左收缩，若右边界小于左边界，遍历完成

遍历范围：上边界 u → 下边界 d，列固定为 r（右边界）。
收缩边界：右边界 r 减 1（后续不再遍历这一列）。
终止检查：如果新的右边界 r 小于左边界 l，说明所有列已遍历，退出循环。

3. 第三步：从右到左遍历 “下边界” 行

for(int i = r; i >= l; --i) ans.push_back(matrix[d][i]); // 向左遍历下边界行
if(-- d < u) break; // 下边界向上收缩，若下边界小于上边界，遍历完成

遍历范围：右边界 r → 左边界 l，行固定为 d（下边界）。
收缩边界：下边界 d 减 1（后续不再遍历这一行）。
终止检查：如果新的下边界 d 小于上边界 u，退出循环。

4. 第四步：从下到上遍历 “左边界” 列

for(int i = d; i >= u; --i) ans.push_back(matrix[i][l]); // 向上遍历左边界列
if(++ l > r) break; // 左边界向右收缩，若左边界大于右边界，遍历完成

遍历范围：下边界 d → 上边界 u，列固定为 l（左边界）。
收缩边界：左边界 l 加 1（后续不再遍历这一列）。
终止检查：如果新的左边界 l 大于右边界 r，退出循环。

三、示例演示

以矩阵 [[1,2,3],[4,5,6],[7,8,9]] 为例：

步骤	遍历范围	结果 ans	边界变化
1	上边界行（0 行）：1→2→3	[1,2,3]	u=1（上边界下移）
2	右边界列（2 列）：4→5→6？不，u=1→d=2 → 6→9	[1,2,3,6,9]	r=1（右边界左移）
3	下边界行（2 行）：8→7	[1,2,3,6,9,8,7]	d=1（下边界上移）
4	左边界列（0 列）：4	[1,2,3,6,9,8,7,4]	l=1（左边界右移）
循环再次执行	上边界行（1 行）：5	[1,2,3,6,9,8,7,4,5]	u=2 > d=1 → 退出

最终结果：[1,2,3,6,9,8,7,4,5]，符合螺旋遍历顺序。

四、关键注意点

空矩阵处理：开头判断 matrix.empty()，避免越界。
边界检查时机：每遍历完一条边就检查边界是否交叉，而非最后统一检查，避免重复遍历或越界。
遍历方向：向左 / 向上遍历时，循环变量需从大到小（i--/i>=）。

五、复杂度分析

时间复杂度：O (m×n)，每个元素仅被遍历一次（m 行 n 列）。
空间复杂度：O (1)（除结果数组外，仅使用常数级变量）。

这个算法的优势是逻辑清晰、无冗余遍历，是螺旋矩阵遍历的最优解法之一。

20🎈. 旋转图像

矩阵旋转（顺时针 90 度）算法解析

这个算法的核心思路是分块原地旋转：将矩阵按 “层” 划分，每个元素与它旋转后对应的另外 3 个元素形成一组，通过临时变量完成 4 个元素的循环交换，最终实现整体顺时针旋转 90 度。

一、核心前提：旋转规律

对于 n×n 的正方形矩阵，顺时针旋转 90 度后，原位置 (i, j) 的元素会移动到 (j, n-1-i)，且 4 个位置形成一个循环：

原位置 A(i, j) → 位置 B(j, n-1-i) → 位置 C(n-1-i, n-1-j) → 位置 D(n-1-j, i) → 回到 A(i, j)

举例（n=3）：原位置 (0,0) → (0,2) → (2,2) → (2,0) → 回到 (0,0)。

二、变量与循环范围

int n = matrix.size(); // 矩阵边长（n×n）
// 外层循环：遍历“层”，只需处理前 n/2 层（内层循环处理每层的元素）
for (int i = 0; i < n / 2; i++) {
    // 内层循环：遍历每层需要交换的元素，范围是 (n+1)/2
    for (int j = 0; j < (n + 1) / 2; j++) {
        // ... 交换逻辑
    }
}

循环范围的关键解释：

外层循环 i < n/2：矩阵按 “环” 分层，比如 n=3 时只有 1 层（i=0），n=4 时有 2 层（i=0、1），只需处理前半层即可覆盖所有需要交换的元素。
内层循环 j < (n+1)/2：避免重复交换，比如：
- n=3（奇数）：(3+1)/2=2，j=0、1（覆盖每层的 2 个元素，即可完成所有 4 元组交换）；
- n=4（偶数）：(4+1)/2=2（整数除法），j=0、1（覆盖每层的 2 个元素）。

三、核心交换逻辑

// 保存原位置 A(i,j) 的值到临时变量
int tmp = matrix[i][j];
// D → A：把位置 D 的值放到 A
matrix[i][j] = matrix[n - 1 - j][i];
// C → D：把位置 C 的值放到 D
matrix[n - 1 - j][i] = matrix[n - 1 - i][n - 1 - j];
// B → C：把位置 B 的值放到 C
matrix[n - 1 - i][n - 1 - j] = matrix[j][n - 1 - i];
// 原A（tmp）→ B：把临时变量的值放到 B
matrix[j][n - 1 - i] = tmp;

交换步骤拆解（以 4 元组 A→B→C→D→A 为例）：

先保存 A 的值（避免被覆盖）；
把 D 放到 A 的位置；
把 C 放到 D 的位置；
把 B 放到 C 的位置；
把最初保存的 A 放到 B 的位置；最终完成 4 个元素的顺时针旋转。

四、示例演示（n=3，矩阵 `[[1,2,3],[4,5,6],[7,8,9]]`）

第一步：i=0（第一层），j=0

4 元组位置：A (0,0)=1、B (0,2)=3、C (2,2)=9、D (2,0)=7
交换过程：
- tmp = 1；
- matrix[0][0] = matrix[2][0] → (0,0)=7；
- matrix[2][0] = matrix[2][2] → (2,0)=9；
- matrix[2][2] = matrix[0][2] → (2,2)=3；
- matrix[0][2] = tmp → (0,2)=1；
矩阵变为：[[7,2,1],[4,5,6],[9,8,3]]

第二步：i=0，j=1

4 元组位置：A (0,1)=2、B (1,2)=6、C (2,1)=8、D (1,0)=4
交换过程：
- tmp = 2；
- matrix[0][1] = matrix[1][0] → (0,1)=4；
- matrix[1][0] = matrix[2][1] → (1,0)=8；
- matrix[2][1] = matrix[1][2] → (2,1)=6；
- matrix[1][2] = tmp → (1,2)=2；
矩阵最终变为：[[7,4,1],[8,5,2],[9,6,3]]（符合顺时针旋转 90 度的结果）。

五、复杂度分析

时间复杂度：O (n²)，每个元素仅被交换一次（总共 n² 个元素）。
空间复杂度：O (1)，仅使用临时变量 tmp，原地旋转无额外空间开销。

六、关键注意点

仅适用于正方形矩阵：代码中默认输入是 n×n 矩阵，若为非正方形需额外处理（但题目通常要求正方形旋转）；
循环范围的准确性：n/2 和 (n+1)/2 是避免重复交换的核心，若范围错误会导致元素被重复旋转或遗漏；
4 元组位置的对应关系：需牢记 (i,j) ↔ (n-1-j,i) ↔ (n-1-i,n-1-j) ↔ (j,n-1-i) 的映射规律，这是交换的核心。

21🎈. 搜索二维矩阵 II

解题思路：

若使用暴力法遍历矩阵 matrix ，则时间复杂度为 O(NM) 。暴力法未利用矩阵 “从上到下递增、从左到右递增” 的特点，显然不是最优解法。

该算法利用矩阵的行递增、列递增特性，选择矩阵左下角作为起始点，通过 “比较 - 移动” 的方式逐步缩小搜索范围，时间复杂度为 O(m+n)（m 为行数，n 为列数），空间复杂度为(O(1)，是最优解法之一。

如下图所示，我们将矩阵逆时针旋转 45° ，并将其转化为图形式，发现其类似于二叉搜索树，即对于每个元素，其左分支元素更小、右分支元素更大。因此，通过从 “根节点” 开始搜索，遇到比 target 大的元素就向左，反之向右，即可找到目标值 target 。

以左下角为起点的合理性：

情况	移动方向	逻辑依据
当前值 > target	向上	列递增 → 当前列下方的数都比当前值大，不可能是 target，只能向上找更小的数
当前值 < target	向右	行递增 → 当前行左侧的数都比当前值小，不可能是 target，只能向右找更大的数
当前值 == target	返回 true	找到目标

边界情况说明

矩阵只有一行：起始点为该行第一个元素，若 target 更大则向右移动，直到找到或越界；
矩阵只有一列：起始点为最后一行该列，若 target 更小则向上移动，直到找到或越界；
target 小于矩阵最小值：向上移动直到 i=-1，返回 false；
target 大于矩阵最大值：向右移动直到 j = 列数，返回 false。

复杂度分析：
时间复杂度 O(M+N) ：其中，N 和 M 分别为矩阵行数和列数，此算法最多循环 M+N 次。
空间复杂度 O(1) : i, j 指针使用常数大小额外空间。

🔥链表

22🎈. 相交链表

一、核心思路

该算法利用双指针 “对齐长度差” 的思想，解决两个单链表的相交节点查找问题。核心逻辑是：让两个指针分别遍历两个链表，遍历完自身链表后切换到另一个链表的头节点继续遍历，最终两个指针会在相交节点相遇（或同时到达 nullptr，表示无相交）。时间复杂度 \(O(m+n)\)（\(m、n\) 为两链表长度），空间复杂度 \(O(1)\)，是最优解法。

二、问题前提与关键特性

相交链表定义：两个链表相交，指的是节点地址相同（而非值相同），相交后两个链表共享后续所有节点（形状像 “Y”，而非 “X”）；
若两链表相交，设：
- 链表 A：a 个节点（不包含相交部分） + c 个公共节点；
- 链表 B：b 个节点（不包含相交部分） + c 个公共节点；
- 则指针 A 遍历路径：a + c + b，指针 B 遍历路径：b + c + a → 路径长度相等，最终会在相交节点相遇。

四、核心逻辑推导

场景 1：两链表相交

假设链表 A：1 → 2 → 3 → 4（长度 4），链表 B：6 → 7 → 3 → 4（长度 4），相交节点为3。

指针 pA 遍历路径：1 → 2 → 3 → 4 → 6 → 7 → 3
指针 pB 遍历路径：6 → 7 → 3 → 4 → 1 → 2 → 3
最终 pA 和 pB 在节点3相遇，循环结束，返回3。

场景 2：两链表无相交

假设链表 A：1 → 2 → 3，链表 B：4 → 5。

指针 pA 遍历路径：1 → 2 → 3 → nullptr → 4 → 5 → nullptr
指针 pB 遍历路径：4 → 5 → nullptr → 1 → 2 → 3 → nullptr
最终 pA 和 pB 同时到达nullptr，循环结束，返回nullptr。

场景 3：两链表长度差异大

假设链表 A：1 → 2 → 3 → 4 → 5（长度 5），链表 B：6 → 4 → 5（长度 3），相交节点为4。

指针 pA 遍历路径：1 → 2 → 3 → 4 → 5 → 6 → 4（总长度 5+3=8）
指针 pB 遍历路径：6 → 4 → 5 → 1 → 2 → 3 → 4（总长度 3+5=8）
最终在节点4相遇，返回4。

五、关键细节说明

为什么切换链表能对齐长度差？假设链表 A 长度为m，链表 B 长度为n：
- 若m > n：pB 先遍历完 B（n步），切换到 A 后，还需走m-n步才能和 pA “同步”；
- 若m < n：pA 先遍历完 A（m步），切换到 B 后，还需走n-m步才能和 pB “同步”；
- 最终两指针遍历的总步数均为m+n，必然在相交节点（或nullptr）相遇。
为什么循环条件是pA != pB？
- 若有相交：两指针最终会指向同一个相交节点，循环终止；
- 若无相交：两指针最终会同时指向nullptr，循环终止（因为nullptr == nullptr）。
边界情况覆盖：
- 任一链表为空：直接返回nullptr；
- 两链表完全重合（头节点就是相交节点）：第一次循环pA==pB，直接返回头节点；
- 相交节点为最后一个节点：指针遍历完自身链表后切换，最终在最后一个节点相遇。

六、对比其他解法的优势

解法	时间复杂度	空间复杂度	缺点
哈希表存储节点	O(m+n)	O(m)或O(n)	需要额外空间存储节点地址
先计算长度差再遍历	O(m+n)	O(1)	需两次遍历（计算长度 + 找交点）
本解法（双指针切换）	O(m+n)	O(1)	一次遍历完成，逻辑简洁

该解法的核心是用 “切换链表” 的方式隐式补偿长度差，无需额外计算长度，代码简洁且效率最优。

23🎈. 反转链表

方法一：迭代（双指针）

考虑遍历链表，并在访问各节点时修改 next 引用指向

复杂度分析：

时间复杂度 O(N) ： 遍历链表使用线性大小时间。
空间复杂度 O(1) ： 变量 pre 和 cur 使用常数大小额外空间。

方法二：递归

考虑使用递归法遍历链表，当越过尾节点后终止递归，在回溯时修改各节点的 next 引用指向。

一、核心思路

该算法采用递归方式实现单链表反转，核心思想是：通过递归逐层深入到链表末尾（找到反转后的头节点），再从后往前逐层修改节点的 next 指针指向（让当前节点指向其前驱节点），最终完成整个链表的反转。时间复杂度 \(O(n)\)（n 为链表长度，每个节点递归一次），空间复杂度 \(O(n)\)（递归调用栈的深度）。

二、递归的核心逻辑

递归反转的关键是 **“归的过程” 修改指针 **：

递：不断递归到链表最后一个节点（该节点会成为反转后的头节点）；
归：从最后一个节点开始，逐层将当前节点的 next 指向其前驱节点，直到回到原链表头节点。

三、递归过程推演（示例链表：1→2→3→nullptr）

以链表 1→2→3→nullptr 为例，逐步拆解递归调用和指针修改过程：

步骤 1：初始调用

reverseList(head=1) → 调用 recur(cur=1, pre=nullptr)。

步骤 2：递的过程（逐层深入）

递归调用	执行逻辑	状态说明
`recur(1, nullptr)`	cur≠null → 调用 `recur(2, 1)`	准备处理节点 2
`recur(2, 1)`	cur≠null → 调用 `recur(3, 2)`	准备处理节点 3
`recur(3, 2)`	cur≠null → 调用 `recur(null, 3)`	准备处理节点 null
`recur(null, 3)`	cur=null → 返回 pre=3（反转后的头节点）	递归终止，开始 “归” 的过程

步骤 3：归的过程（逐层修改指针）

递归返回	执行逻辑	链表状态变化
返回到 `recur(3, 2)`	res=3 → 执行 `3->next = 2`	链表变为：1→2←3，3→null
返回到 `recur(2, 1)`	res=3 → 执行 `2->next = 1`	链表变为：1←2←3，3→null
返回到 `recur(1, nullptr)`	res=3 → 执行 `1->next = nullptr`	链表变为：null←1←2←3（完成反转）

步骤 4：最终返回

recur(1, nullptr) 返回 res=3 → reverseList 返回 3（反转后的头节点）。

四、关键细节说明

递归参数设计：
- cur：当前需要处理的节点；
- pre：当前节点的前驱节点（反转后当前节点要指向的节点）；
- 初始时 cur=head，pre=nullptr（原头节点反转后是尾节点，指向 null）。
终止条件：
- cur == nullptr 时，说明已经遍历到链表末尾，此时 pre 就是反转后的头节点（原链表最后一个节点），直接返回。
res 变量的作用：
- 保存递归返回的 “反转链表头节点”（始终是原链表最后一个节点），在 “归” 的过程中逐层传递，最终作为整个递归的返回值。
指针修改的顺序：
- 先递归处理后继节点，再修改当前节点的 next 指向 → 保证从后往前修改，避免提前断开链表（若先改指针，会丢失后继节点的引用）。

五、边界情况覆盖

空链表：head=nullptr → 调用 recur(null, nullptr) → 直接返回 nullptr；
单节点链表：head=1 → 调用 recur(1, nullptr) → 递归 recur(null, 1) 返回 1 → 执行 1->next=null → 返回 1（反转后还是自身）；
多节点链表：如上述示例，正常完成从后往前的指针反转。

六、递归与迭代的对比

解法	时间复杂度	空间复杂度	优势	缺点
递归	\(O(n)\)	\(O(n)\)	代码简洁，逻辑直观	递归栈可能溢出（链表过长时）
迭代	\(O(n)\)	\(O(1)\)	空间效率更高，无栈溢出风险	代码稍繁琐，需手动维护指针

该递归解法的核心是利用递归栈天然的 “后进先出” 特性，实现从链表末尾到头部的指针反转，是链表反转的经典递归实现方式。

24🎈. 回文链表

【代码功能解析】

这段代码实现了判断单链表是否为回文链表的功能。回文链表的定义是：链表节点的值从前往后和从后往前读取结果一致（如 1->2->2->1 是回文，1->2->3 不是）。

核心思路是：

找到链表的中间节点；
反转中间节点后的后半段链表；
对比前半段和反转后的后半段链表的节点值，全部相等则为回文。

【逐函数拆解】

ListNode* middleList(ListNode* head) {
    ListNode *slow = head, *fast = head;
    while (fast && fast->next) {
        slow = slow->next;       // 慢指针：每次走1步
        fast = fast->next->next; // 快指针：每次走2步
    }
    return slow;
}

原理：快慢指针法（龟兔赛跑）
- 快指针速度是慢指针的 2 倍，当快指针走到链表末尾时，慢指针恰好走到中间位置。
- 链表长度为偶数（如 1->2->3->4）：慢指针停在第 n/2 + 1 个节点（示例中是 3）；
- 链表长度为奇数（如 1->2->3->4->5）：慢指针停在正中间节点（示例中是 3）。
作用：分割链表为前半段和后半段，后续只需反转后半段即可对比。

2. 辅助函数：`reserveList`（反转链表）

ListNode* reserveList(ListNode* head) {
    ListNode* cur = head;       // 当前遍历节点
    ListNode* newNode = nullptr;// 反转后的新链表头
    while (cur) {
        ListNode* next = cur->next; // 保存当前节点的下一个节点（防止断链）
        cur->next = newNode;        // 当前节点指向新链表（头插法）
        newNode = cur;              // 更新新链表头为当前节点
        cur = next;                 // 遍历下一个节点
    }
    return newNode;
}

原理：迭代法反转链表（头插法）
- 逐个遍历原链表节点，将每个节点 “摘下来” 插到新链表的头部，最终得到反转后的链表。
示例：原链表 3->4 → 反转后 4->3。

3. 主函数：`isPalindrome`（核心逻辑）

bool isPalindrome(ListNode* head) {
    ListNode* mid = middleList(head);   // 找中间节点
    ListNode* rmid = reserveList(mid);  // 反转后半段链表

    while (head && rmid) {              // 对比前半段和反转后的后半段
        if (head->val != rmid->val) {
            return false;              // 有值不等，不是回文
        }
        head = head->next;
        rmid = rmid->next;
    }
    return true;                       // 全部相等，是回文
}

【示例推演】

示例 1：回文链表 `1->2->2->1`

找中间节点：慢指针走 2 步到 第二个2（mid = 2->1）；
反转后半段：rmid = 1->2；
对比：
- head=1 vs rmid=1 → 相等；
- head=2 vs rmid=2 → 相等；
- 循环结束，返回 true。

示例 2：非回文链表 `1->2->3`

找中间节点：慢指针走 2 步到 3（mid = 3）；
反转后半段：rmid = 3；
对比：
- head=1 vs rmid=3 → 不相等，返回 false。

【复杂度分析】

时间复杂度：O(n)
- 找中间节点：O (n/2)；
- 反转后半段：O (n/2)；
- 对比：O (n/2)；
- 总复杂度为 O (n)。
空间复杂度：O(1)
- 仅使用了常数个指针变量，没有额外开辟空间。

【注意事项】

边界情况：
- 空链表：直接返回 true；
- 单节点链表：直接返回 true；
- 双节点链表（如 1->1）：返回 true，1->2 返回 false。
链表结构：代码中 reserveList 会修改原链表的指针指向，但题目仅要求 “判断是否回文”，未要求保留原链表结构，因此无需恢复。
拼写错误：代码中 reserveList 应为 reverseList（笔误，不影响逻辑，但实际开发中需修正）。