LeetCode 解题思路 18（Hot 100）

解题思路：

1. 继承 LinkedHashMap： 内置双向链表，自动维护节点的插入顺序和访问顺序。
2. LRU 淘汰逻辑： 覆盖 removeEldestEntry，当元素数量超过 capacity 时，移除最旧条目。removeEldestEntry 方法提供钩子（Hook）机制，在扩容时自动检查是否需要淘汰最旧节点自动触发，通过 LinkedHashMap 的内部机制，无需手动管理链表。

Java代码：

class LRUCache extends LinkedHashMap<Integer, Integer>{
    private int capacity;
    
    public LRUCache(int capacity) {
        super(capacity, 0.75F, true);
        this.capacity = capacity;
    }

    public int get(int key) {
        return super.getOrDefault(key, -1);
    }

    public void put(int key, int value) {
        super.put(key, value);
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
        return size() > capacity; 
    }
}

哈希表+双向链表实现：

public class LRUCache {
    class DLinkedNode {
        int key;
        int value;
        DLinkedNode prev;
        DLinkedNode next;
        public DLinkedNode() {}
        public DLinkedNode(int _key, int _value) {key = _key; value = _value;}
    }

    private Map<Integer, DLinkedNode> cache = new HashMap<Integer, DLinkedNode>();
    private int size;
    private int capacity;
    private DLinkedNode head, tail;

    public LRUCache(int capacity) {
        this.size = 0;
        this.capacity = capacity;

        head = new DLinkedNode();
        tail = new DLinkedNode();
        head.next = tail;
        tail.prev = head;
    }

    public int get(int key) {
        DLinkedNode node = cache.get(key);
        if (node == null) {
            return -1;
        }

        moveToHead(node);
        return node.value;
    }

    public void put(int key, int value) {
        DLinkedNode node = cache.get(key);
        
        if (node == null) {
            DLinkedNode newNode = new DLinkedNode(key, value);
            cache.put(key, newNode);
            addToHead(newNode);
            ++size;
            
            if (size > capacity) {
                DLinkedNode tail = removeTail();
                cache.remove(tail.key);
                --size;
            }
        }
        else {
            node.value = value;
            moveToHead(node);
        }
    }

    private void addToHead(DLinkedNode node) {
        node.prev = head;
        node.next = head.next;
        head.next.prev = node;
        head.next = node;
    }

    private void removeNode(DLinkedNode node) {
        node.prev.next = node.next;
        node.next.prev = node.prev;
    }

    private void moveToHead(DLinkedNode node) {
        removeNode(node);
        addToHead(node);
    }

    private DLinkedNode removeTail() {
        DLinkedNode res = tail.prev;
        removeNode(res);
        return res;
    }
}

复杂度分析：

• 时间复杂度： O(1)。
• 空间复杂度： O(1)。

解题思路（迭代）：

1. ​终止条件： 当前节点为空时返回。
2. 递归逻辑： 先遍历左子树，再访问当前节点，最后遍历右子树。

Java代码：

class Solution {
    public List<Integer> inorderTraversal(TreeNode root) {
        List<Integer> result = new ArrayList<>();
        inorderHelper(root, result);
        return result;
    }

    private void inorderHelper(TreeNode node, List<Integer> list) {
        if (node == null) return;
        inorderHelper(node.left, list);
        list.add(node.val);
        inorderHelper(node.right, list);
    }
}

复杂度分析：

• 时间复杂度： 所有节点访问一次，时间复杂度均为 O(n)。
• 空间复杂度： 栈深度由树的高度决定，平衡树为 O(logn)，链表为 O(n)。

解题思路（递归）：

• 显式栈： 模拟递归调用栈，通过循环将左子树节点压栈，弹出后处理右子树。

Java代码：

class Solution {
    public List<Integer> inorderTraversal(TreeNode root) {
        List<Integer> result = new ArrayList<>();
        Stack<TreeNode> stack = new Stack<>();
        TreeNode curr = root;

        while (curr != null || !stack.isEmpty()) {
            while (curr != null) {
                stack.push(curr);
                curr = curr.left;
            }
            curr = stack.pop();
            result.add(curr.val);
            curr = curr.right;
        }
        return result;
    }
}

复杂度分析：

• 时间复杂度： 所有节点访问一次，时间复杂度均为 O(n)。
• 空间复杂度： 栈最多存储 n 个节点（退化链表时），故空间复杂度为 O(n)。