java 树的各种遍历

在这里插入图片描述

想看更多算法题,可以扫描上方二维码关注我微信公众号“数据结构和算法”,截止到目前我已经在公众号中更新了500多道算法题,其中部分已经整理成了pdf文档,截止到目前总共有900多页(并且还会不断的增加),可以在公众号中回复关键字“pdf”即可下载。


基础知识

树是一个有n个有限节点组成一个具有层次关系的集合,每个节点有0个或者多个子节点,没有父节点的节点称为根节点,也就是说除了根节点以外每个节点都有父节点,并且有且只有一个。

树的种类比较多,有二叉树,红黑树,AVL树,B树,哈夫曼树,字典树等等。

甚至堆我们也可以把它看成是一棵树,树的这么多种类中,我们最常见的应该是二叉树了,下面我们来看一下他的结构。
在这里插入图片描述

定义:

1,结点的度: 一个结点含有的子结点的个数称为该结点的度;
2,叶结点或终端结点: 度为0的结点称为叶结点;
3,非终端结点或分支结点: 度不为0的结点;
4,双亲结点或父结点: 若一个结点含有子结点,则这个结点称为其子结点的父结点;
5,孩子结点或子结点: 一个结点含有的子树的根结点称为该结点的子结点;
6,兄弟结点: 具有相同父结点的结点互称为兄弟结点;
7,树的度: 一棵树中,最大的结点的度称为树的度;
8,结点的层次: 从根开始定义起,根为第1层,根的子结点为第2层,以此类推;
9,树的高度或深度: 树中结点的最大层次;
10,堂兄弟结点: 双亲在同一层的结点互为堂兄弟;
11,结点的祖先: 从根到该结点所经分支上的所有结点;
12,子孙: 以某结点为根的子树中任一结点都称为该结点的子孙。
13,森林: 由m(m>=0)棵互不相交的树的集合称为森林;
14,无序树: 树中任意节点的子结点之间没有顺序关系,这种树称为无序树,也称为自由树;
15,有序树: 树中任意节点的子结点之间有顺序关系,这种树称为有序树;
16,二叉树: 每个节点最多含有两个子树的树称为二叉树;
17,完全二叉树: 若设二叉树的深度为h,除第 h 层外,其它各层 (1~h-1) 的结点数都达到最大个数,第 h 层所有的结点都连续集中在最左边,这就是完全二叉树
18,满二叉树: 除最后一层无任何子节点外,每一层上的所有结点都有两个子结点的二叉树。
19,哈夫曼树: 带权路径最短的二叉树称为哈夫曼树或最优二叉树;

应用:

树的种类实在是太多,关于树的算法题也是贼多,这一篇文章不可能全部介绍完,我们需要具体问题再具体分析。这里主要介绍的是二叉树,并且只介绍树的一些最基础的几个算法。我们先来看个图
在这里插入图片描述

节点类

public class TreeNode {
    public int val;
    public TreeNode left;
    public TreeNode right;

    public TreeNode(int x) {
        val = x;
    }

    public TreeNode() {
    }

    @Override
    public String toString() {
        return "[" + val + "]";
    }
}

01,前序遍历

他的访问顺序是:根节点→左子树→右子树
所以上图前序遍历的结果是:A→B→D→E→C→F
访问顺序如下
在这里插入图片描述

代码如下

public static void preOrder(TreeNode tree) {
    if (tree == null)
        return;
    System.out.printf(tree.val + "");
    preOrder(tree.left);
    preOrder(tree.right);
}

非递归的写法

public static void preOrder(TreeNode tree) {
    if (tree == null)
        return;
    Stack<TreeNode> q1 = new Stack<>();
    q1.push(tree);//压栈
    while (!q1.empty()) {
        TreeNode t1 = q1.pop();//出栈
        System.out.println(t1.val);
        if (t1.right != null) {
            q1.push(t1.right);
        }
        if (t1.left != null) {
            q1.push(t1.left);
        }
    }
}

02,中序遍历

他的访问顺序是:左子树→根节点→右子树
所以上图前序遍历的结果是:D→B→E→A→F→C
访问顺序如下
在这里插入图片描述

代码如下

public static void inOrderTraversal(TreeNode node) {
    if (node == null)
        return;
    inOrderTraversal(node.left);
    System.out.println(node.val);
    inOrderTraversal(node.right);
}

非递归的写法

public static void inOrderTraversal(TreeNode tree) {
    Stack<TreeNode> stack = new Stack<>();
    while (tree != null || !stack.isEmpty()) {
        while (tree != null) {
            stack.push(tree);
            tree = tree.left;
        }
        if (!stack.isEmpty()) {
            tree = stack.pop();
            System.out.println(tree.val);
            tree = tree.right;
        }
    }
}

03,后续遍历

他的访问顺序是:左子树→右子树→根节点
所以上图前序遍历的结果是:D→E→B→F→C→A
访问顺序如下
在这里插入图片描述

代码如下

public static void postOrder(TreeNode tree) {
    if (tree == null)
        return;
    postOrder(tree.left);
    postOrder(tree.right);
    System.out.println(tree.val);
}

非递归的写法

public static void postOrder(TreeNode tree) {
    if (tree == null)
        return;
    Stack<TreeNode> s1 = new Stack<>();
    Stack<TreeNode> s2 = new Stack<>();
    s1.push(tree);
    while (!s1.isEmpty()) {
        tree = s1.pop();
        s2.push(tree);
        if (tree.left != null) {
            s1.push(tree.left);
        }
        if (tree.right != null) {
            s1.push(tree.right);
        }
    }
    while (!s2.isEmpty()) {
        System.out.print(s2.pop().val + " ");
    }
}

或者

public static void postOrder(TreeNode tree) {
    if (tree == null)
        return;
    Stack<TreeNode> stack = new Stack<>();
    stack.push(tree);
    TreeNode c;
    while (!stack.isEmpty()) {
        c = stack.peek();
        if (c.left != null && tree != c.left && tree != c.right) {
            stack.push(c.left);
        } else if (c.right != null && tree != c.right) {
            stack.push(c.right);
        } else {
            System.out.print(stack.pop().val + " ");
            tree = c;
        }
    }
}

04,BFS(宽度优先搜索(又称广度优先搜索))

他的访问顺序是:先访问上一层,在访问下一层,一层一层的往下访问
所以上图前序遍历的结果是:A→B→C→D→E→F
访问顺序如下
在这里插入图片描述

代码如下

public static void levelOrder(TreeNode tree) {
    if (tree == null)
        return;
    LinkedList<TreeNode> list = new LinkedList<>();//链表,这里我们可以把它看做队列
    list.add(tree);//相当于把数据加入到队列尾部
    while (!list.isEmpty()) {
        TreeNode node = list.poll();//poll方法相当于移除队列头部的元素
        System.out.println(node.val);
        if (node.left != null)
            list.add(node.left);
        if (node.right != null)
            list.add(node.right);
    }
}

递归的写法

public static void levelOrder(TreeNode tree) {
    int depth = depth(tree);
    for (int level = 0; level < depth; level++) {
        printLevel(tree, level);
    }
}

private static int depth(TreeNode tree) {
    if (tree == null)
        return 0;
    int leftDepth = depth(tree.left);
    int rightDepth = depth(tree.right);
    return Math.max(leftDepth, rightDepth) + 1;
}


private static void printLevel(TreeNode tree, int level) {
    if (tree == null)
        return;
    if (level == 0) {
        System.out.print(" " + tree.val);
    } else {
        printLevel(tree.left, level - 1);
        printLevel(tree.right, level - 1);
    }
}

如果想把遍历的结果存放到list中,我们还可以这样写

public static List<List<Integer>> levelOrder(TreeNode tree) {
    if (tree == null)
        return null;
    List<List<Integer>> list = new ArrayList<>();
    bfs(tree, 0, list);
    return list;
}

private static void bfs(TreeNode tree, int level, List<List<Integer>> list) {
    if (tree == null)
        return;
    if (level >= list.size()) {
        List<Integer> subList = new ArrayList<>();
        subList.add(tree.val);
        list.add(subList);
    } else {
        list.get(level).add(tree.val);
    }
    bfs(tree.left, level + 1, list);
    bfs(tree.right, level + 1, list);
}

05,DFS(深度优先搜索)

他的访问顺序是:先访根节点,然后左结点,一直往下,直到最左结点没有子节点的时候然后往上退一步到父节点,然后父节点的右子节点在重复上面步骤……
所以上图前序遍历的结果是:A→B→D→E→C→F
访问顺序如下
在这里插入图片描述

代码如下

 public static void treeDFS(TreeNode root) {
     Stack<TreeNode> stack = new Stack<>();
     stack.add(root);
     while (!stack.empty()) {
         TreeNode node = stack.pop();
         System.out.println(node.val);
         if (node.right != null) {
             stack.push(node.right);
         }
        if (node.left != null) {
            stack.push(node.left);
        }
    }
}

递归的写法

public static void treeDFS(TreeNode root) {
    if (root == null)
        return;
    System.out.println(root.val);
    treeDFS(root.left);
    treeDFS(root.right);
}
  • 8
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
首先需要定义一个结构的节点类,包含节点值和子节点列表: ```java class TreeNode { int val; List<TreeNode> children; public TreeNode(int val) { this.val = val; children = new ArrayList<>(); } } ``` 然后可以实现遍历方法,比如先序遍历: ```java public void preOrder(TreeNode root) { if (root == null) { return; } System.out.print(root.val + " "); for (TreeNode child : root.children) { preOrder(child); } } ``` 统计中节点总数可以使用递归方式,每个节点的子节点数目即为它的贡献,加上1就是以它为根的子的总节点数: ```java public int countNodes(TreeNode root) { if (root == null) { return 0; } int count = 1; for (TreeNode child : root.children) { count += countNodes(child); } return count; } ``` 最后可以通过一个示例来测试: ```java public static void main(String[] args) { TreeNode root = new TreeNode(1); TreeNode node2 = new TreeNode(2); TreeNode node3 = new TreeNode(3); TreeNode node4 = new TreeNode(4); TreeNode node5 = new TreeNode(5); TreeNode node6 = new TreeNode(6); TreeNode node7 = new TreeNode(7); root.children.add(node2); root.children.add(node3); root.children.add(node4); node2.children.add(node5); node2.children.add(node6); node4.children.add(node7); System.out.print("Pre-order traversal: "); preOrder(root); System.out.println(); System.out.println("Total number of nodes: " + countNodes(root)); } ``` 输出结果: ``` Pre-order traversal: 1 2 5 6 3 4 7 Total number of nodes: 7 ```

“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

打赏作者

数据结构和算法

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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