LeetCode(力扣) 102题:二叉树的层序遍历----广度优先搜索(BFS)求解附带详细注释

题目描述
给你一个二叉树,请你返回其按 层序遍历 得到的节点值。 (即逐层地,从左到右访问所有节点)。

示例

输入:二叉树:[3,9,20,null,null,15,7]

    3
   / \
  9  20
    /  \
   15   7
输出返回其层序遍历结果:

[
  [3],
  [9,20],
  [15,7]
]

思路分析
题意是让我们按照层序从左到右的顺序对二叉树进行遍历。层序遍历,是从两个维度上来讲。第一为深度,我们必须要到达二叉树的最大深度才能对其完成遍历;第二为广度,我们要对二叉树的每一层从左到右进行遍历。所以,要想完成层序遍历,我们就需要设置这两个维度的边界条件,即什么时候到达二叉树的最大深度提醒我们停止遍历,以及什么时候到达二叉树某一层的最右端节点并停止遍历这一层,并跳到下一层开始遍历。最直观的就是,我们先将上一层的节点存入列表,然后对其进行遍历,如果这些节点有左右节点,便将其存入到列表中,以供遍历下一层的时候使用,如此循环,直到到达最后一层。初始的时候,我们先将根节点存入列表中,然后按照上述的方法进行遍历。详情请看代码及注释。

代码

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution:
    def levelOrder(self, root: TreeNode) -> List[List[int]]:
        #思考层序遍历需要设定两个停止条件,一个是到达最大深度时停止,另一个是到达最大宽度时停止
        #树为空的情况,返回也为空
        if root is None:
            return []
        #定义储存当前层节点以及所有节点值的列表
        nodes, values = [], []
        #首先由顶向下,先将第一层的根节点放入nodes
        nodes.append(root)
        #判断当前层没有节点,那么说明已经抵达最大深度,跳出循环
        while nodes:
            #储存当前层节点值
            value = []
            for node in nodes:
                value.append(node.val)
            values.append(value)
            #浏览储存下一层节点
            tmp = []
            #浏览当前层节点的左右节点,如果有,则加入到下一层
            for node in nodes:
                if node.left:
                    tmp.append(node.left)
                if node.right:
                    tmp.append(node.right)
			#将下一层的节点赋给nodes,如果到了最后一层,tmp为空,跳出while循环,遍历结束
            nodes = tmp
        return values

运行结果
在这里插入图片描述

总结
这道算法题的难点主要是找到广度和深度的两个边界条件(即代码中的while循环和for循环),找到之后我们便在边界范围内遍历就好了。希望能帮助到大家,如果有疑惑的地方或者错误的地方,欢迎评论区滴滴我~

  • 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,比如最长公共子序列、背包问、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的型,很多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目,按照难度从简单到困难排列。每个目都有详细目描述、输入输出样例、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和最优子结构性质的问。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,如背包问、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,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目涵盖了各种难度级别和场景的问。从简单的斐波那契数列、迷宫问到可以用于实际应用的背包问、最长公共子序列等,难度不断递进且话丰富,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,它通过将问拆分成子问的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问,例如斐波那契数列、矩阵链乘法、背包问等。 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。例如,经典的“爬楼梯”问,要求我们计算到n级楼梯的方案数。这个问的解法非常简单,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、保存中间状态来求解。 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,但在某些场景下并不适用。例如,某些问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的学习和解都非常重要。除了刷以外,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。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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