# [382. Linked List Random Node](https://leetcode.com/problems/linked-list-random-node/)

# 思路
给定一个链表,让随机返回一个节点,最直接的方法就是先统计出链表的长度,然后根据长度随机生成一个位置,然后从开头遍历到这个位置即可。
最直接的思路需要两次遍历链表,此题其实是著名的[蓄水池采样(Reservoir Sampling)](https://zh.wikipedia.org/wiki/%E6%B0%B4%E5%A1%98%E6%8A%BD%E6%A8%A3)算法要解决的问题([398题](https://leetcode.com/problems/random-pick-index/)也是用此算法),只需要一次遍历。下面介绍这个算法。

从一个群体中随机抽样出k个个体是经常会遇到的抽样问题,当事先不知道群体大小时,我可以先遍历一次数据计算出数据量N, 然后再按照上述的方法进行采样即可。
这当然可以,但是并不好,因为有时候数据只有一次访问的机会,或者很难确定数据规模有多大,例如当内存无法加载全部数据时,如何从包含未知大小的数据流中随机选取k个数据,并且要保证每个数据被抽取到的概率相等。

假设需要从数据流采样的数量的为k,蓄水池采样算法的过程如下:
1. 首先构建一个可容纳k个元素的数组(形象地理解为蓄水池),先将数据流的前k个元素放入数组中;
2. 然后遍历到第 k+i 个元素时,以 `k/(k+i)` 的概率被替换进数组中(原数组中的元素被替换的概率是相同的, 都是 `1/k`)。 

当遍历完所有元素之后,数组中存放的k元素即为所采的样本。

证明如下:

遍历到第 k+i 个元素时,水池数组中的元素保留下来的概率 = 1 - `p(第k+i个元素要替换进数组)`x`p(替换掉数组中这个元素)` = 1 - `k/(k+i)`x`1/k` = (k+i-1)/(k+i)。
所以

1. 数据流前k个元素到最后还在水池中的概率是: `k/(k+1)` x `(k+1)/(k+2)` x ... x `(n-1)/n` = `k/n`。

数据流第 k+i 个元素要想最后在水池中,那么遍历到它时它要被替换进水池中(概率=`k/(k+i)`)而且后面一直不被替换掉,所以

2. 数据流第 k+i 个元素到最后在水池中的概率是: `k/(k+i)` x `(k+i)/(k+i+1)` x ... x `(n-1)/n` = `k/n`。

综合上面两个结论可知,数据流中所有元素最后留在水池中的概率均为`k/n`,得证。

此题是蓄水池抽样算法的特殊情况:k=1。有了上面的分析就不难写出代码了。

# C++
``` C++
class Solution {
private:
    ListNode *root;
public:
    /** @param head The linked list's head.
        Note that the head is guaranteed to be not null, so it contains at least one node. */
    Solution(ListNode* head) {
        root = head;
    }
    
    /** Returns a random node's value. */
    int getRandom() {
        ListNode *p = root;
        int res = -1;
        
        int count = 1;
        while(p){
            if(rand() % count == 0) res = p -> val;
            p = p -> next; count++;
        }
        
        return res;
    }
};

```