力扣1373_二叉搜索子树的最大键值和

题目描述:
给你一棵以 root 为根的 二叉树 ，请你返回 任意 二叉搜索子树的最大键值和。

二叉搜索树的定义如下：

• 任意节点的左子树中的键值都 小于 此节点的键值。
• 任意节点的右子树中的键值都 大于 此节点的键值。
• 任意节点的左子树和右子树都是二叉搜索树。

示例：

算法思想：
首先，二叉树题目核心–明确当前节点要做什么！
假如此时站在“1”这个节点，首先要判断它是不是一棵BST，如果它不是BST，直接就不用考虑计算键值和的事情了。
怎么知道它是不是BST呢？

1. 先看它的两个孩子是不是BST，如果有个娃不是BST，那么它一定也不是BST
2. 再看把“1”这个节点加入以后，整个树是不是BST（"1"应该比它的左子树的最大节点还大，并且比右子树的最小节点还小）

知道它是BST后，我们再计算整个树的键值。
这样的一个思路，是不是和后序遍历一模一样呢，都是先遍历左右子节点，然后再处理根节点，也就确定了大致代码框架。

void traverse(TreeNode root) {
        traverse(root.left);
        traverse(root.right);

        //如果左右是BST
        
        //如果根节点加入还是BST

        //计算键值
    }

这里的难点在于判断左右是否BST，如果使用递归运算，那么时间复杂度将会非常的高，这里会存在大量的重复子问题，我们可以使用动态规划的备忘录剪枝，同时记录下一棵树的状态（是否BST），最大最小值，所有树的键值和。
使用什么数据结构能同时记录这些呢？当然是数组了，这里我们定义一个包含四个元素的数组，分别表示该树的状态（是否是BST），该树的最小值，该树的最大值，以及该树所有键值和，时间复杂度一下子就变为O(n)，只需遍历一遍树就能得到解了。

代码实现：

int maxSum = 0;
    public int maxSumBST(TreeNode root) {
        traverse(root);
        return maxSum;
    }

    //返回一个大小为4的数组 int[]{isBST, min, max, sum}
    int[] traverse(TreeNode root) {

        //如果是空节点
        if(root == null) {
            return new int[]{1, Integer.MAX_VALUE, Integer.MIN_VALUE, 0};
        }

        //左右子树遍历
        int[] left = traverse(root.left);
        int[] right = traverse(root.right);

        //对根节点的处理
        int[] res = new int[4];
        if(left[0] == 1 && right[0] == 1 && root.val > left[2] && root.val < right[1]){
            //如果以root为起点的树符合BST定义
            res[0] = 1;
            res[1] = Math.min(left[1], root.val);
            res[2] = Math.max(right[2], root.val);
            res[3] = left[3] + right[3] + root.val;
            maxSum = Math.maxSum(maxSum, res[3]);
        } else {
            //如果不符合BST定义，只需要设置一个标志位就可以了
            res[0] == 0;
        }

        return res;
    }