单链表合并点搜索算法（week8）

李智慧老师的架构师课程进行到了第8周，作业是一个算法相关的问题。本文主要是对该问题的解答与分析。

题目

有两个单向链表（链表长度分别为 m，n），这两个单向链表有可能在某个元素合并，也可能不合并，如下图所示的这样。现在给定两个链表的头指针，在不修改链表的情况下，如何快速地判断这两个链表是否合并？如果合并，找到合并的元素，也就是图中的 x 元素。
请用代码（或伪代码）描述算法，并给出时间复杂度。

 思路一，穷举法

问题是要寻找两个链表的合并节点，那么第一个直观的想法就是穷举法。顺序对第一个链表中的每一个节点，查看其在第二个链表中是否存在；若存在，则说明该节点就是两个链表的第一个合并点；若找不到，则说明两个链表没有合并。这个算法的时间复杂度为O(m*n)。伪代码如下。

1 static Node FindMergePoint(header1, header2)
2 {
3 var p1 = header1;
4
5 while (p1 != null)
6 {
7 // search for the p1 in the second list
8 var p2 = header2;
9 while (p2 != p1 && p2 != null)
10 {
11 p2 = p2->next;
12 }
13
14 // find p1 in the second list, then return this node
15 if (p2 == p1)
16 return p1;
17
18 // doesn't find it the second list.
19 // move to the next node in the first list.
20 p1 = p1->next;
21 }
22
23 // doesn't find any merge node
24 return null;
25 }

思路二，以空间换时间

在第一个思路中，我们很容易发现，第二个链表被检查过很多遍，最坏情况（找不到合并点）下对每个节点都查找了一遍。那能不能在查找一遍就把结果记在某个地方，以后直接查找而不用在遍历一遍呢？

在很多编程语言中都有Dictionary这种数据结构，它的一个特点就是查询的时间复杂度是O(1)，即用key可以直接查得结果。Dictionary是用哈希算法实现这个O(1)复杂度的查询。假设哈希算法时间开销相比这个链表查询开销小很多的话，可以用Dictionary和下面的算法来解决问题，时间复杂度和空间复杂度都是O(m+n)。伪代码如下。

1 static Node FindMergePoint(header1, header2)
2 {
3 var nodeDict1 = new Dictionary();
4
5 // create a dictionary for the first linked list.
6 // both the key and the content of Dictionary are node address.
7 var p1 = header1;
8 while (p1 != null)
9 {
10 nodeDict1.Add(p1, p1);
11 p1 = p1->next;
12 }
13
14 // search the node p2 in the dictionary.
15 var p2 = header2;
16 while (!nodeDict1.ContainsKey(p2) && p2 != null)
17 p2 = p2->next;
18
19 // return the found one or null
20 return p2;
21 }

 总结

穷举法简单直接，代码也容易理解，但是时间复杂度较高O(m*n)。哈希算法需要额外的时间计算哈希和额外的空间存储哈希结果，但是它可以把链表查合并点问题时间复杂度降低到O(m+n)，在m、n较大时，还是优势较大。