关于树的算法的总结

之前总结过，主要分为两大类：

一种是基于遍历的，算法框架就是前序遍历，只是在访问结点时候的操作不同。一般操作的都是全局变量，靠side effect，没有返回值。

一种是基于传统递归思想的，先求左右子树的解（子问题的解），然后基于左右子树的解计算当前树的解。这种函数有返回值。

其实还有第三种，就是以上二者的结合，既有返回值，又操作全局数据。基于第二种算法，不同之处在于左右子树的解除了被用于计算当前树的解之外，还可以额外利用，进行一些判断，更新一些全局变量。

比如判断一棵树是否平衡，需要求树的高度，而树的高度是一个递归函数，h(root) = max(h(root->left), h(root->hight))+1, 自底向上的过程中求过每一棵子树的左右子树的高度，就可以判断子树是否平衡，如果任意一处子树不平衡，就可以设置全局变量，得到结果。这个函数的框架就是一个求高度的递归函数，多了2个操作：

1）判断两棵子树的高度差是否大于1，如果大于，设置全局变量。

2）提前终止递归，如果求左子树的过程中已经设置了全局变量为false, 那么就没必要继续求右子树了。

当然，有时候可以把这个全局变量和函数返回值融合到一起，比如求高度，正常总是非负的，就可以用一个负数表征全局变量代表的意思。这时候这个求高度的递归函数定义是：如果树是平衡的，返回树的高度，否则返回-1。

还有一个例子，求树中一般路径（任意两点之间）最大和，普通路径（从一点往下的路径，不会跨越根结点到另一边）最大和的递推式是 f(root)= max(f(root->left),f(root-right)) >0 ? max(f(root->left),f(root->right)): 0 + root->val。算法的框架就是这个，只是加进去一般路径和的计算，然后和全局变量maxPathSum 比较，并保存。

返回值是复合含义的函数。

一般来讲，函数的返回值的含义是单一的，不会有多种解读。但有的函数返回值可以有多重含义。经典的LCA就是个例子。定义一个函数，f(root, a, b)，如果 root是 a, b之一，返回root，如果a, b均不在根为root的树里，返回NULL，否则返回a, b的最近公共祖先。递推关系是：

1）如果 f(root->left, a, b) 和 f(root->right, a, b) 都为NULL，返回NULL

2)  如果 f(root->left, a, b) 和 f(root->right, a, b) 都不为NULL, 那么这两个返回值均为第一个含义(root 为 a, b之一），LCA必然为root, 返回root

3)  如果 f(root->left, a, b) 和 f(root->right, a, b) 其中一个为NULL, 那么另一个返回值的含义就是最近公共祖先，返回这一个值。

判断树是否平衡也是，可以定义一个复合含义返回值的递归函数，balancedHight(root), 如果这棵树平衡，返回其高度。否则返回-1。

九章算法后的更新：

第三种模式（即依赖返回值，又操作全局变量）可以归并到第二种模式。通过定义一个复合的返回类型Result，把需要的子问题的信息打包返回。比如isBST问题，需要左右子树上的信息包括，1）是否是BST 2) 最小值、最大值。可以把这三项数据定义一个类型来返回数据。再比如isBalanced问题，定义返回数据包括，1）子树是否平衡，2）子树高度，当前树根据左右子树上的这两个信息就可以做判断。