题目
给你一棵二叉树的根节点 root
,返回树的 最大宽度 。
树的 最大宽度 是所有层中最大的 宽度 。
每一层的 宽度 被定义为该层最左和最右的非空节点(即,两个端点)之间的长度。将这个二叉树视作与满二叉树结构相同,两端点间会出现一些延伸到这一层的 null
节点,这些 null
节点也计入长度。
题目数据保证答案将会在 32 位 带符号整数范围内。
示例 1:
输入:root = [1,3,2,5,3,null,9]
输出:4
解释:最大宽度出现在树的第 3 层,宽度为 4 (5,3,null,9) 。
示例 2:
输入:root = [1,3,2,5,null,null,9,6,null,7]
输出:7
解释:最大宽度出现在树的第 4 层,宽度为 7 (6,null,null,null,null,null,7) 。
示例 3:
输入:root = [1,3,2,5]
输出:2
解释:最大宽度出现在树的第 2 层,宽度为 2 (3,2) 。
提示:
- 树中节点的数目范围是
[1, 3000]
-100 <= Node.val <= 100
题解1
思路
- 对于满二叉树,若根节点的序号为 n n n,则其左子树节点序号为 2 n 2n 2n,右子树为 2 n + 1 2n+1 2n+1 从1开始
- bfs遍历整个树,标记节点;并计算同层之间节点距离的最大值
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 widthOfBinaryTree(self, root: Optional[TreeNode]) -> int:
queue = collections.deque([(root,1)])
ret = 0
while queue:
left, right = -1,-1
for _ in range(len(queue)):
cur = queue.popleft()
if left == -1: left = cur[1]
right = cur[1]
if cur[0].left: queue.append((cur[0].left, 2*cur[1]))
if cur[0].right: queue.append((cur[0].right, 2*cur[1] + 1))
ret = max(ret, right-left + 1)
return ret
复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
题解2
思路
- 对于满二叉树,若根节点的序号为 n n n,则其左子树节点序号为 2 n 2n 2n,右子树为 2 n + 1 2n+1 2n+1 从1开始
- 按照左子树优先的顺序,dfs遍历整颗树,第一次遍历到的节点则为该层最左侧的节点,使用哈希表保存
- 每一次遍历到其他结点,计算其与最左侧节点的距离,并更新结果集
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 widthOfBinaryTree(self, root: Optional[TreeNode]) -> int:
levelMin = {}
ret = 1
def dfs(node: Optional[TreeNode], depth: int, index: int):
nonlocal ret
if not node: return
if depth not in levelMin: levelMin[depth] = index
else: ret = max(ret, index - levelMin[depth]+1)
dfs(node.left, depth+1, 2*index)
dfs(node.right, depth+1, 2*index+1)
dfs(root, 0, 1)
return ret
复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)