【无标题】二叉树的遍历

1. 在二叉树的第 i 层上至多有 [公式] 个结点

第一层有1个，第二层最多只可能是第1层的两倍，第三层是第二层的两倍。

2. 深度为 k 的二叉树，最多有 [公式] 个结点。

这条性质由 1 可以直接得出：将每一层的最大结点数相加。这是一个公比为 2 的等比数列，其和为 [公式]。

另一个定义，如果一个深度为 k 的二叉树，正好有 [公式] 个结点，那么这棵树就被称为满二叉树。如果一个二叉树，只有当第 k 层已经达到了 [公式] 的最大值以后，才能往第 k + 1 层自左向右地添加结点，这棵树就被称为完全二叉树。

3. 具有 n 个结点的完全二叉树的深度为 [公式]

这个性质就是性质二的直接推论。这个性质向我们揭示了一个问题：受二叉树的树形的影响，同样有n个结点的一个二叉树，它的高度可能差别很大。比如，我们上节课的作业第二题，如果二叉搜索树是以(1, 2, 3, 4, 5, 6)或者(6, 5, 4, 3, 2, 1)的顺序插入的话，二叉树的高度就是6，退化为链表。上节课的第一题，我们看到了，二叉树中的搜索效率与树的高度成正比。二叉树越矮，我们就能越快地找到目标，二叉树越高，要经过的结点就会越多。

当树形为完全二叉树时，在树中进行查找的时间复杂度是 O(log n)，而当树形退化为链表时，查找的时间复杂度是 O(n)，这个时间复杂度的差别是十分巨大的，大家可以算一下，如果有1000个结点，O(n)的时间复杂度，意味着1000次比较，而O(log n)的时间复杂度，只有10次比较，性能可以提升100倍。好的数据结构和算法设计的威力可见一斑。

另外，完全二叉树的定义是很重要的，因为我们后面会学习一种威力十分强大的数据结构：堆，它就是一个完全二叉树。所以请记住完全二叉树。

 

二叉树的遍历

并且使用递归实现了二叉树的前序遍历

这里，先介绍一下三种常用的遍历方式：

 

1. 前序遍历。先访问根结点，再前序遍历左子树，最后前序遍历右子树。可见，这个操作的定义就是递归的。

 

2. 中序遍历。先中序遍历左子树，再访问根结点，最后中序遍历右子树。由于左子树上的值都比根结点小，右子树上的值都比根结点大，所以，中序遍历一棵树所得到的结果，是从小到大有序的，可以根据这个特点，来检验你的中序遍历是否正确实现了。

 

3. 后序遍历。先后序遍历左子树，再后序遍历右子树，最后访问根结点。

 

定义非常简单，前，中，后，无非就是说的根结点在什么时机被访问而已。还有其他的遍历方式，但这三种是我们最常用的，希望大家彻底理解它。我这里再给出中序遍历的代码，大家自己完成后序的：

 

    public void midOrder(Node n) {

        if (n.left != null)

            midOrder(n.left);

        System.out.println(n.data);

        if (n.right != null)

            midOrder(n.right);

    }

非递归遍历二叉树

在很多笔试题中，二叉树的非递归遍历是一个很常见的考题。非递归遍历有很多种实现方式，掌握起来要耗费很大的精力，而且还容易忘记。这一节将会介绍一种模拟递归函数的函数栈，从而实现非递归遍历。

 

如果将未访问完的结点入栈，每次只对栈顶元素进行操作，一旦栈顶元素被全部处理完，就将其出栈。继续取栈顶元素进行处理，这就相当于回溯到了父结点。但是每次子结点全部访问完回溯到父结点时，都需要知道父结点已经执行到哪一步了，在递归程序中，这个值是放在子结点所对应栈的 old EIP 中的，因此，这是我们要模拟的一个值。由于不需要像真正的递归程序那样在回溯时恢复调用者的函数栈，所以 old EBP 和 old ESP 这两个值是，经过分析，我们可以给结点的定义加上一个变量state来模拟old EIP：

 

class Node<T> {

    public T data;

    public Node left;

    public Node right;

    public int state;

 

    public Node(T d) {

        this.data = d;

    }

}

为结点增加 state 变量，来标记当前结点已经访问到哪一步。每次从子结点回溯回来的时候，都可以直接从当前结点里取出，这样就可以更加简化这个程序。给出非递归的中序遍历的代码