Given a singly linked list, return a random node's value from the linked list. Each node must have the same probability of being chosen. Follow up: What if the linked list is extremely large and its length is unknown to you? Could you solve this efficiently without using extra space? Example: // Init a singly linked list [1,2,3]. ListNode head = new ListNode(1); head.next = new ListNode(2); head.next.next = new ListNode(3); Solution solution = new Solution(head); // getRandom() should return either 1, 2, or 3 randomly. Each element should have equal probability of returning. solution.getRandom();
要求從單鏈表中,隨機返回一個節點的值,要求每一個節點被選中的機率是相等的。java
在等機率隨機選擇算法中,最經典的算法就是蓄水池算法。能夠參考同類型題目398 random pick index。這裏再次整理一下蓄水池算法的思路和簡單證實。node
假如一共有N個物品,須要從其中挑選出K個物品,要求確保N個物品中每一個物品都可以被等機率選中。對於這種等機率問題,簡答的作法是經過隨機數獲取選中物品的下標。可是蓄水池算法容許咱們從數據流的角度來隨機得到K個物品,即在並不知道整體的樣本數有多少的狀況下,隨機抽取K個物品。算法
蓄水池算法的思路以下:segmentfault
K/(K+1)
K/(K+i)
對於這個算法,咱們能夠採用概括法進行簡單證實。已知對於前K個物品,每一個物品的被選中的機率爲1,知足了K/K=1
的機率。
對於K+i-1個物品,假設每一個物品被選中的機率爲K/(K+i-1)
。證實對於前K+i個物品,每一個物品被放入蓄水池中的機率爲K/(K+i)
dom
K/(K+i)
P = P(上一輪在蓄水池中) * P(這一輪沒有被替換掉)
。對此進行計算,P(上一輪在蓄水池中) * P(這一輪沒有被替換掉) = P(上一輪在蓄水池中) * (1-P(這一輪被替換掉)) = (K / (K+i-1)) * (1 - (P * 1/K))
,算出P = K/(K+i)
K/(K+i)
,當K+i等於N時,每一個物品被選中的機率爲K/N
在本題中,使用蓄水池算法的N爲單鏈表的長度,K爲1。this
代碼以下:spa
private ListNode head; private Random r; /** @param head The linked list's head. Note that the head is guaranteed to be not null, so it contains at least one node. */ public Solution(ListNode head) { this.head = head; this.r = new Random(); } /** Returns a random node's value. */ public int getRandom() { ListNode tmp = this.head; int result = 0; int index = 1; do{ if(r.nextInt(index) == 0) { result = tmp.val; } tmp = tmp.next; index++; }while(tmp != null); return result; }