目录
一：旋转链表（LeetCode.61）
二：LRU缓存（LeetCode.146）
有关链表的其他算法题，可以参考我上篇写的文章经典算法之链表篇（二）
一：旋转链表（LeetCode.61）
问题描述：
给你一个链表的头节点
head，旋转链表，将链表每个节点向右移动k个位置。
示例：
输入：head = [1,2,3,4,5], k = 2
输出：[4,5,1,2,3]
解题思路：
计算链表的长度，并找到链表的尾节点，同时将链表形成一个循环链表。
计算实际需要移动的步数
k = k % 链表长度，因为如果k大于链表长度，实际上是重复一整轮的旋转操作。找到新链表的尾节点和头节点的位置，并将尾节点指向
nullptr，形成新的链表。
图示：
第一步：
第二步：
第三步：
第四步：
代码演示：
class Solution {public ListNode rotateRight(ListNode head, int k) {if (head == null || k == 0) return head;// 计算链表长度并找到尾节点int len = 1;ListNode tail = head;while (tail.next != null) {tail = tail.next;len++;}// 计算实际需要旋转的次数k = k % len;if (k == 0) return head; // 如果 k 是链表长度的倍数，不需要旋转// 找到倒数第 k+1 个节点，作为新的尾节点ListNode newTail = head;for (int i = 0; i < len - k - 1; i++) {newTail = newTail.next;}// 旋转链表ListNode newHead = newTail.next;newTail.next = null; // 断开环tail.next = head; // 将原链表接到尾部return newHead;}
}二：LRU缓存（LeetCode.146）
问题描述：
请你设计并实现一个满足 LRU (最近最少使用) 缓存 约束的数据结构。
实现
LRUCache类：
LRUCache(int capacity)以 正整数 作为容量capacity初始化 LRU 缓存
int get(int key)如果关键字key存在于缓存中，则返回关键字的值，否则返回-1。
void put(int key, int value)如果关键字key已经存在，则变更其数据值value；如果不存在，则向缓存中插入该组key-value。如果插入操作导致关键字数量超过capacity，则应该 逐出 最久未使用的关键字。函数
get和put必须以O(1)的平均时间复杂度运行。
示例：
输入
["LRUCache", "put", "put", "get", "put", "get", "put", "get", "get", "get"]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
解题思路：
定义双向链表节点结构体
DLinkedNode，包含key、value、pre（前驱指针）和next（后继指针）四个成员变量。定义LRUCache类，私有成员变量包括一个哈希表
cache（用于存储key到节点的映射）、头指针head（指向双向链表的头部哨兵节点）、尾指针tail（指向双向链表的尾部哨兵节点）、当前缓存节点数量size和缓存容量capacity。LRUCache构造函数初始化容量
capacity和size为0，创建头部和尾部哨兵节点，并连接头尾节点。
get方法先判断key是否存在于哈希表中，如果不存在则返回-1；如果存在，则从哈希表中获取对应节点，并将该节点移动至双向链表头部，最后返回节点的值。
put方法先判断key是否存在于哈希表中，如果不存在则创建一个新节点，并将节点添加至双向链表头部，更新哈希表映射，并判断缓存是否超过容量，如果超过则删除双向链表尾部节点和哈希表映射；如果存在则更新节点值，并将节点移动至双向链表头部。私有方法
addToHead用于将节点添加至双向链表头部，removeNode用于移除指定节点，moveToHead用于将指定节点移动至双向链表头部，removeTail用于移除双向链表尾部节点并返回该节点。
代码演示：
import java.util.*;class LRUCache {private int capacity;private Map<Integer, Node> cache;private Node head;private Node tail;// 定义双向链表节点private class Node {int key;int value;Node prev;Node next;Node(int key, int value) {this.key = key;this.value = value;}}// 初始化LRU Cachepublic LRUCache(int capacity) {this.capacity = capacity;cache = new HashMap<>();head = new Node(-1, -1); // 哨兵节点，不存储数据tail = new Node(-1, -1); // 哨兵节点，不存储数据head.next = tail;tail.prev = head;}// 获取key对应的value，并将节点移到链表头部public int get(int key) {if (!cache.containsKey(key)) {return -1;}Node node = cache.get(key);moveToHead(node);return node.value;}// 存入key-value键值对，如果key已存在则更新value，并将节点移到链表头部；否则插入新节点，并移除最近最少使用的节点public void put(int key, int value) {if (cache.containsKey(key)) {Node node = cache.get(key);node.value = value;moveToHead(node);} else {Node newNode = new Node(key, value);cache.put(key, newNode);addToHead(newNode);if (cache.size() > capacity) {Node tailNode = removeTail();cache.remove(tailNode.key);}}}// 将节点添加到链表头部private void addToHead(Node node) {node.prev = head;node.next = head.next;head.next.prev = node;head.next = node;}// 移除节点private void removeNode(Node node) {node.prev.next = node.next;node.next.prev = node.prev;}// 将节点移到链表头部private void moveToHead(Node node) {removeNode(node);addToHead(node);}// 移除链表尾部节点private Node removeTail() {Node tailNode = tail.prev;removeNode(tailNode);return tailNode;}public static void main(String[] args) {LRUCache cache = new LRUCache(2);cache.put(1, 1);cache.put(2, 2);System.out.println(cache.get(1)); // 返回 1cache.put(3, 3); // 该操作会使得关键字 2 作废System.out.println(cache.get(2)); // 返回 -1 (未找到)cache.put(4, 4); // 该操作会使得关键字 1 作废System.out.println(cache.get(1)); // 返回 -1 (未找到)System.out.println(cache.get(3)); // 返回 3System.out.println(cache.get(4)); // 返回 4}
}总结：
以上的两道链表题是比较常考的，在力扣的难度都为中等，因此要多理解，下一期将继续更新有关力扣的算法题。