Python算法题集_环形链表II
- 题142：环形链表II
- 1. 示例说明
- 2. 题目解析
- - 题意分解
- - 优化思路
- - 测量工具
- 3. 代码展开
- 1) 标准求解【集合检索】
- 2) 改进版一【字典检测】
- 3) 改进版二【双指针】
- 4. 最优算法
本文为Python算法题集之一的代码示例
题142：环形链表II
1. 示例说明
-
给定一个链表的头节点
head，返回链表开始入环的第一个节点。 如果链表无环，则返回null。如果链表中有某个节点，可以通过连续跟踪
next指针再次到达，则链表中存在环。 为了表示给定链表中的环，评测系统内部使用整数pos来表示链表尾连接到链表中的位置（索引从 0 开始）。如果pos是-1，则在该链表中没有环。注意：pos不作为参数进行传递，仅仅是为了标识链表的实际情况。不允许修改 链表。
示例 1：
输入：head = [3,2,0,-4], pos = 1 输出：返回索引为 1 的链表节点 解释：链表中有一个环，其尾部连接到第二个节点。示例 2：
输入：head = [1,2], pos = 0 输出：返回索引为 0 的链表节点 解释：链表中有一个环，其尾部连接到第一个节点。示例 3：
输入：head = [1], pos = -1 输出：返回 null 解释：链表中没有环。提示：
- 链表中节点的数目范围在范围
[0, 104]内 -105 <= Node.val <= 105pos的值为-1或者链表中的一个有效索引
**进阶：**你是否可以使用
O(1)空间解决此题？ - 链表中节点的数目范围在范围
2. 题目解析
- 题意分解
- 本题为链表的值查重
- 本题的主要计算有2处，1是链表遍历，2是值比较
- 基本的解法是单层循环，必须读取链表数据后进行检测，所以基本的时间算法复杂度为O(n）
- 本题的解法和【题234：环形链表】一样，代码和指标基本一样
- 优化思路
-
通常优化：减少循环层次
-
通常优化：增加分支，减少计算集
-
通常优化：采用内置算法来提升计算速度
-
分析题目特点，分析最优解
-
链表需要遍历中进行值检查，为提高检索速度，可以采用哈希检索，采用
set、dict等数据结构 -
空间复杂度为O(1)的算法，一般是需要用到快慢双指针
-
- 测量工具
- 本地化测试说明：LeetCode网站测试运行时数据波动很大，因此需要本地化测试解决这个问题
CheckFuncPerf（本地化函数用时和内存占用测试模块）已上传到CSDN，地址：Python算法题集_检测函数用时和内存占用的模块- 本题很难超时，本地化超时测试用例自己生成，详见【最优算法章节】
3. 代码展开
1) 标准求解【集合检索】
采用集合set进行值检索
性能优良，超过89
import CheckFuncPerf as cfpdef detectCycle_base(head):set_checked = set() while head: if head in set_checked:return headset_checked.add(head) head = head.next return Noneresult = cfp.getTimeMemoryStr(detectCycle_base, head1)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 detectCycle_base 的运行时间为 24.02 ms；内存使用量为 1128.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
2) 改进版一【字典检测】
采用字典dict进行值检索，由于字典分配内存远大于集合，因此哈希检索的效率要低一些
性能优良，超过91
import CheckFuncPerf as cfpdef detectCycle_ext1(head):dict_checked = {} while head: dict_checked[head] = dict_checked.get(head, 0)if dict_checked[head] == 1:return Truedict_checked[head] = 1head = head.next return Falseresult = cfp.getTimeMemoryStr(detectCycle_ext1, head1)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 detectCycle_ext1 的运行时间为 54.03 ms；内存使用量为 4.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
3) 改进版二【双指针】
没有很多内存分配的事，空间复杂度好的算法，时间复杂度也很好
表现优良，超越89%
import CheckFuncPerf as cfpdef detectCycle_ext2(head):slownode , fastnode = head, headwhile fastnode and fastnode.next:slownode = slownode.nextfastnode = fastnode.next.nextif slownode == fastnode:breakif fastnode and fastnode.next:while head != slownode:head = head.nextslownode = slownode.nextreturn headelse:return Noneresult = cfp.getTimeMemoryStr(detectCycle_ext2, head1)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 运行结果
函数 detectCycle_ext2 的运行时间为 29.00 ms；内存使用量为 0.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
4. 最优算法
根据本地日志分析，最优算法为第1种detectCycle_base
# 超时测试
nums = [x for x in range(200000)]
def generateOneLinkedList(data):head = ListNode(-100)iPos = 0current_node = headfor num in data:iPos += 1if iPos == 190000:CycleNode = new_nodenew_node = ListNode(num)current_node.next = new_nodecurrent_node = new_nodenew_node.next = CycleNodereturn head.next, new_node
head1, tail1 = generateOneLinkedList(nums)result = cfp.getTimeMemoryStr(detectCycle_base, head1)
print(result['msg'], '执行结果 = {}'.format(result['result']))# 算法本地速度实测比较
函数 detectCycle_base 的运行时间为 24.02 ms；内存使用量为 1128.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
函数 detectCycle_ext1 的运行时间为 54.03 ms；内存使用量为 4.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
函数 detectCycle_ext2 的运行时间为 29.00 ms；内存使用量为 0.00 KB 执行结果 = <__main__.ListNode object at 0x0000018E3BAD0E10>
一日练，一日功，一日不练十日空
may the odds be ever in your favor ~
