LeetCode 617.合并二叉树

LeetCode 617.合并二叉树

1、题目

题目链接：617. 合并二叉树
给你两棵二叉树： root1 和 root2 。
想象一下，当你将其中一棵覆盖到另一棵之上时，两棵树上的一些节点将会重叠（而另一些不会）。你需要将这两棵树合并成一棵新二叉树。合并的规则是：如果两个节点重叠，那么将这两个节点的值相加作为合并后节点的新值；否则，不为 null 的节点将直接作为新二叉树的节点。
返回合并后的二叉树。
注意: 合并过程必须从两个树的根节点开始。

示例 1：

输入：root1 = [1,3,2,5], root2 = [2,1,3,null,4,null,7]
输出：[3,4,5,5,4,null,7]

示例 2：

输入：root1 = [1], root2 = [1,2]
输出：[2,2]

提示：

• 两棵树中的节点数目在范围 [0, 2000] 内
• -104 <= Node.val <= 104

2、深度优先搜索（递归前序遍历）

思路

1. 确定递归函数的参数和返回值：

首先要合入两个二叉树，那么参数至少是要传入两个二叉树的根节点，返回值就是合并之后二叉树的根节点。
代码如下：

TreeNode* mergeTrees(TreeNode* root1, TreeNode* root2) {

1. 确定终止条件：

因为是传入了两个树，那么就有两个树遍历的节点 root1 和 root2，如果 root1 == nullptr 了，两个树合并就应该是 root2 了（如果 root2 也为 nullptr 也无所谓，合并之后就是 nullptr）。
反过来如果 root2 == nullptr，那么两个数合并就是 root1（如果root1也为 nullptr 也无所谓，合并之后就是nullptr）。
代码如下：

if (root1 == nullptr) return root2; // 如果root1为空，合并之后就应该是root2
if (root2 == nullptr) return root1; // 如果root2为空，合并之后就应该是root1

1. 确定单层递归的逻辑：

单层递归的逻辑就比较好写了，这里我们重复利用一下 root1 这个树， root1 就是合并之后树的根节点（就是修改了原来树的结构）。
那么单层递归中，就要把两棵树的元素加到一起。

t1->val += t2->val;

接下来 root1 的左子树是：合并 root1 左子树 root2 左子树之后的左子树。
root1 的右子树：是 合并 root1 右子树 root2 右子树之后的右子树。
最终 root1 就是合并之后的根节点。
代码如下：

root1->left = mergeTrees(root1->left, root2->left);
root1->right = mergeTrees(root1->right, root2->right);
return root1;

代码

class Solution {
public:
    TreeNode* mergeTrees(TreeNode* root1, TreeNode* root2) {
        // 如果 root1 为空，合并之后就应该是 root2
        if (root1 == nullptr) {
            return root2;
        }
        // 如果 root2 为空，合并之后就应该是 root1
        if (root2 == nullptr) {
            return root1;
        }

        root1->val += root2->val;
        // 递归合并root1和root2的左子树
        root1->left = mergeTrees(root1->left, root2->left);
        // 递归合并root1和root2的右子树
        root1->right = mergeTrees(root1->right, root2->right);
        return root1;
    }
};

复杂度分析

• 时间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。
• 空间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。

3、深度优先搜索（递归中序遍历）

思路

代码

class Solution {
public:
    TreeNode* mergeTrees(TreeNode* root1, TreeNode* root2) {
        // 如果 root1 为空，合并之后就应该是 root2
        if (root1 == nullptr) {
            return root2;
        }
        // 如果 root2 为空，合并之后就应该是 root1
        if (root2 == nullptr) {
            return root1;
        }

        // 递归合并root1和root2的左子树
        root1->left = mergeTrees(root1->left, root2->left);
        root1->val += root2->val;
        // 递归合并root1和root2的右子树
        root1->right = mergeTrees(root1->right, root2->right);
        return root1;
    }
};

复杂度分析

• 时间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。
• 空间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。

4、深度优先搜索（递归后序遍历）

思路

代码

class Solution {
public:
    TreeNode* mergeTrees(TreeNode* root1, TreeNode* root2) {
        // 如果 root1 为空，合并之后就应该是 root2
        if (root1 == nullptr) {
            return root2;
        }
        // 如果 root2 为空，合并之后就应该是 root1
        if (root2 == nullptr) {
            return root1;
        }

        // 递归合并root1和root2的左子树
        root1->left = mergeTrees(root1->left, root2->left);
        // 递归合并root1和root2的右子树
        root1->right = mergeTrees(root1->right, root2->right);
        root1->val += root2->val;
        return root1;
    }
};

复杂度分析

• 时间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。
• 空间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。

5、广度优先搜索（迭代法）

思路

代码

class Solution {
public:
    TreeNode* mergeTrees(TreeNode* rooroot1, TreeNode* rooroot2) {
        if (rooroot1 == nullptr) {
            return rooroot2;
        }
        if (rooroot2 == nullptr) {
            return rooroot1;
        }

        // 使用队列进行层次遍历
        queue<TreeNode*> que;
        que.push(rooroot1);
        que.push(rooroot2);

        while (!que.empty()) {
            // 取出队列中的第一个节点，对应rooroot1的当前节点
            TreeNode* node1 = que.front();
            que.pop();

            // 取出队列中的第二个节点，对应rooroot2的当前节点
            TreeNode* node2 = que.front();
            que.pop();

            // 将当前两个节点的值相加，并更新到rooroot1的当前节点
            node1->val += node2->val;

            // 如果rooroot1和rooroot2的当前节点都存在左子节点
            if (node1->left != nullptr && node2->left != nullptr) {
                // 将rooroot1和rooroot2的左子节点分别加入队列
                que.push(node1->left);
                que.push(node2->left);
            }
            // 如果rooroot1和rooroot2的当前节点都存在右子节点
            if (node1->right != nullptr && node2->right != nullptr) {
                // 将rooroot1和rooroot2的右子节点分别加入队列
                que.push(node1->right);
                que.push(node2->right);
            }
            // 如果rooroot1的当前节点不存在左子节点，但rooroot2的当前节点存在左子节点
            if (node1->left == nullptr && node2->left != nullptr) {
                // 将rooroot2的左子节点赋值给rooroot1的左子节点
                node1->left = node2->left;
            }
            // 如果rooroot1的当前节点不存在右子节点，但rooroot2的当前节点存在右子节点
            if (node1->right == nullptr && node2->right != nullptr) {
                // 将rooroot2的右子节点赋值给rooroot1的右子节点
                node1->right = node2->right;
            }
        }
        return rooroot1;
    }
};

复杂度分析

• 时间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。对两个二叉树同时进行广度优先搜索，只有当两个二叉树中的对应节点都不为空时才会访问到该节点，因此被访问到的节点数不会超过较小的二叉树的节点数。
• 空间复杂度：O(min⁡(m,n))，其中 m 和 n 分别是两个二叉树的节点个数。空间复杂度取决于队列中的元素个数，队列中的元素个数不会超过较小的二叉树的节点数