二叉树与分治法初步总结

处理二叉树某个节点时是通过O(1)的操作将规模为n的问题分解为两个规模为n/2的问题，即T(n)=2T(n/2)+O(1)=O(n) 即使该节点两个分叉不均匀也是O(n)
如果用O(n)的操作的话时间复杂度就是O(nlogn) 每层的操作时间均是O(n) 画树形图分析
二叉树遍历:前序遍历——根左右 中序遍历——左根右 后序遍历——左右根
二叉查找树:左边小，右边大 BST的中序遍历是不下降序列

递归三要素:
1、递归的定义:递归做了什么事情 这样能确定返回值、传入参数、调用
2、递归的拆解:把大象装进冰箱总共需要几步，第一部干嘛第二部干嘛…
3、递归的出口:退出条件 一般是root==null或者root只有一个节点

二叉树中的递归：分治法和遍历:
遍历和分治法有细微的差别，最明显的区别是返回值不同，traverse的返回值是void，所有结果都存储在同一个数组中，共享一个result，因此需要传入一个全局变量，相当于一个人走。而divide and conquer的返回值是一个数组，是每一层都存储在一个数组中，最终合并起来，相当于有局部解，相当于上司要走就派了两个小兵替他走 分治法的递归的拆解部分是包含divide——普通的拆解和conquer——合并结果——其实就是对在递归结果的基础上进行判断两部分的

独孤九剑
碰到二叉树的问题，就想想整棵树在该问题上的结果和左右子树在该问题上的结果之间 的联系是什么

分治法和遍历也可以同时使用
做算法题的时候先画图把思路想好再动笔

需要背的程序
1、preorder的迭代方式

public List<Integer> preorderTraversal(TreeNode root) {
    LinkedList<TreeNode> stack = new LinkedList<>();
    LinkedList<Integer> output = new LinkedList<>();
    if (root == null) {
      return output;
    }

    stack.add(root);
    while (!stack.isEmpty()) {
      TreeNode node = stack.pollLast();
      output.add(node.val);
      if (node.right != null) {
        stack.add(node.right);
      }
      if (node.left != null) {
        stack.add(node.left);
      }
    }
    return output;
  }

作者：LeetCode

2、inorder迭代方式

public List < Integer > inorderTraversal(TreeNode root) {
        List < Integer > res = new ArrayList < > ();
        Stack < TreeNode > stack = new Stack < > ();
        TreeNode curr = root;
        while (curr != null || !stack.isEmpty()) {
            while (curr != null) {
                stack.push(curr);
                curr = curr.left;
            }
            curr = stack.pop();
            res.add(curr.val);
            curr = curr.right;
        }
        return res;
    }

作者：LeetCode