leetcode 98. Validate Binary Search Tree/99. Recover Binary Search Tree

98:

Given a binary tree, determine if it is a valid binary search tree (BST).

Assume a BST is defined as follows:

  • The left subtree of a node contains only nodes with keys less than the node's key.
  • The right subtree of a node contains only nodes with keys greater than the node's key.
  • Both the left and right subtrees must also be binary search trees.

Example 1:

    2
   / \
  1   3
Binary tree  [2,1,3], return true.

Example 2:

    1
   / \
  2   3
Binary tree  [1,2,3], return false.

题目意思很明确,就是判断一个树是不是一个二分搜索树,二分搜索树的一个典型特征就是对于每一个内部节点,其左边子树的所有节点值都要小于这个内部节点的值,这也就是我们判断的依据。

一个方法,直接中序遍历,如果合法则必定后一个值大于前一个值,否则返回false。

我使用了另一个大同小异的方法,给每一个节点都设置一个范围,如果这个节点的值满足这个范围则是合法的,否则返回false,那么这个范围怎么设置呢?二分搜素树的典型特征,一个节点的左子节点必然小于自己,但不会小于自己的下限,右子节点大于自己,但不会大于自己范围的上限。例如根节点的范围设置为负无穷到正无穷,那么它的左子节点的范围就是负无穷到根节点的值,右子节点的范围就是根节点的值到正无穷,以此类推。

两种方法的时间复杂度都是O(N)所以应该区别不大。代码如下:


/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
	long long infinit=21474836499;
	long long minfinit=-2147483699;//因为样例的值会达到int的上下限值 
    bool isValidBST(TreeNode* root) {
    	if(root==NULL)
    	return true;
    	if(root->left==NULL&&root->right==NULL)
    	return true;
    	return isValid(root,infinit,minfinit);
    }
    bool isValid(TreeNode* root,long long ma,long long mi)
    {	
    	if(root->val<ma&&root->val>mi)
    	{
    		if(root->left==NULL&&root->right==NULL)
    		return true;
    		if(root->left!=NULL)
    		{
    			if(!isValid(root->left,root->val,mi);)
				return false; 
			}
			if(root->right!=NULL)
			{
				if(!isValid(root->right,ma,root->val);)
				return false;
			}
			return true;
		}
		else
		return false;
	}
};

下面是此题用时最少的一个解法,直接从leetcode上copy下来的:

int key=[](){
    std::ios::sync_with_stdio(false);
    return 0;
}();
class Solution {
public:
    int temp;
    bool temp_exist=false;
    bool isValidBST(TreeNode* root) {
        if(!root)
            return true;
        if(!isValidBST(root->left))
            return false;
        if(!temp_exist){
            temp=root->val;
            temp_exist=true;
        }
        else if(root->val>temp)
            temp=root->val;
        else
            return false;
        if(!isValidBST(root->right))
            return false;
        return true;
    }
};

其实这就是一个中序遍历的方法,然后从第一个值开始比较,如果出现小于前一个值的则返回false。

99. Recover Binary Search Tree

Two elements of a binary search tree (BST) are swapped by mistake.

Recover the tree without changing its structure.

Note:
A solution using O( n) space is pretty straight forward. Could you devise a constant space solution?

题目告诉我们一个二分搜索树的两个值错位了,我们需要将这两个值换回去。问题的解决依旧可以使用中序遍历,找到两个错误的值应该不难,问题就变成了一个递增序列中有两个值的位置错位了,那么则必然说明有一个数大于它后面的数,还有一个数小于它前面的数,这两个数就是错位的两个。问题瞬间被简化。

代码如下:

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
	long long a=-2147483699,b;
	TreeNode* para_node;//作为一个参考节点 
	TreeNode* wrong[2];//保存错位点的地址 
    void recoverTree(TreeNode* root) {
        mid_order(root);
        int temp=wrong[0]->val;
        wrong[0]->val=wrong[1]->val;
        wrong[1]->val=temp;
        return;
    }
    void mid_order(TreeNode* root)
    {
    	if(root!=NULL)
    	{
    		mid_order(root->left);
    		if(a==-2147483699)
    		{
    			a=root->val;
    			para_node=root;
			}
			else
			{
				b=root->val;
				if(b<a)
				{
					if(wrong[0]==NULL)//初始化 
					{
						wrong[0]=para_node;
						wrong[1]=root;
					}
					else
					{
						wrong[1]=root;
						return;	
					}
				}
				a=b;
				para_node=root;
			}
			mid_order(root->right);
		}
	}
};

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值