深度复制带随机指针链表的O(1)空间解法

1. 深度复制带随机指针链表的完整解析

链表操作是数据结构中的基础课题，但带随机指针的链表复制问题却让不少开发者头疼。今天我们就来彻底拆解这个经典算法问题，分享一个时间复杂度O(n)、空间复杂度O(1)的优雅解法。

这个算法之所以特别，在于它巧妙地利用原链表结构建立新旧节点的映射关系，避免了使用额外哈希表带来的空间开销。整个过程就像是在原链表上"编织"出一个完美副本，最后再将其分离出来。下面我们就分步骤详细解析这个精妙的算法。

2. 问题定义与基础结构

2.1 链表节点定义

首先我们来看这个特殊链表节点的定义：

python复制class Node:
    def __init__(self, x: int, next: 'Node' = None, random: 'Node' = None):
        self.val = int(x)
        self.next = next
        self.random = random

每个节点除了标准的val和next指针外，还包含一个random指针，它可以指向链表中的任意节点或为空。我们的任务是创建一个这个链表的"深拷贝"——即完全独立的新链表，其中每个新节点的val、next和random指针都与原链表对应节点相同。

2.2 深拷贝的特殊挑战

普通链表的复制很简单，只需顺序遍历并创建新节点即可。但带随机指针的链表复制面临两个核心难题：

1. 随机指针的滞后性：当我们创建新节点时，它指向的随机节点可能尚未被创建
2. 映射关系的维护：需要准确记录原节点与新节点的对应关系，才能正确设置random指针

传统解法使用哈希表存储原节点到新节点的映射，但这需要O(n)的额外空间。我们今天要介绍的算法则通过链表自身的结构来维护这种映射关系。

3. 算法核心思路与实现

3.1 整体三步走策略

算法的核心思路分为三个精妙的步骤：

1. 节点复制：在原链表的每个节点后插入它的复制节点
2. 随机指针设置：为每个复制节点设置正确的random指针
3. 链表分离：将交错的原链表和复制链表分离

这种方法的精妙之处在于，它利用链表自身的next指针来隐式维护新旧