题目描述: 给你一个二叉树的根节点 root ,判断其是否是一个有效的二叉搜索树。
有效 二叉搜索树定义如下:
节点的左子树只包含 小于 当前节点的数。
节点的右子树只包含 大于 当前节点的数。
所有左子树和右子树自身必须也是二叉搜索树。
示例:
输入:root = [5,1,4,null,null,3,6]
输出:false
解释:根节点的值是 5 ,但是右子节点的值是 4 。
思路1:
利用二叉搜索树的性质:(!!!二叉搜索树的很多问题都是靠这个性质解决)
中序遍历的结果是有序的。
# Definition for a binary tree node.
# class TreeNode(object):
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution(object):
def isValidBST(self, root):
"""
:type root: TreeNode
:rtype: bool
"""
result = []
if not root:
return True
self.inorder(root, result)
for i in range(len(result) - 1):
if result[i] >= result[i + 1]:
return False
return True
def inorder(self, root, result):
if not root:
return
self.inorder(root.left, result)
result.append(root.val)
self.inorder(root.right, result)
也可以进一步缩小使用的空间,每次记录当前遍历的前一个值,比较当前值和前一个值的大小,如果小于等于前一个值,那么就应该返回false。
class Solution:
def isValidBST(self, root: TreeNode) -> bool:
stack, inorder = [], float('-inf')
while stack or root:
while root:
stack.append(root)
root = root.left
root = stack.pop()
# 如果中序遍历得到的节点的值小于等于前一个 inorder,说明不是二叉搜索树
if root.val <= inorder:
return False
inorder = root.val
root = root.right
return True
时间复杂度O(n),空间复杂度O(n)。
思路2:递归
根据二叉搜索树的定义,我们可以知道二叉搜索树的左右子树都是二叉搜索树,也就是说,左子树的值都比根小,右子树的值都比根节点大。
# Definition for a binary tree node.
# class TreeNode(object):
# def __init__(self, val=0, left=None, right=None):
# self.val = val
# self.left = left
# self.right = right
class Solution(object):
def isValidBST(self, root):
"""
:type root: TreeNode
:rtype: bool
"""
return self.isBST(root, float('-inf'), float('inf'))
def isBST(self, root, min, max):
if not root:
return True
if root.val <= min or root.val >= max:
return False
else:
if not self.isBST(root.left, min, root.val):
return False
if not self.isBST(root.right, root.val, max):
return False
return True
时间复杂度O(n),空间复杂度O(n)。递归方法的空间复杂度计算:递归函数在递归过程中需要为每一层递归函数分配栈空间,所以这里需要额外的空间且该空间取决于递归的深度,即二叉树的高度。最坏情况下二叉树为一条链,树的高度为 n ,递归最深达到 n 层,故最坏情况下空间复杂度为 O(n)。
通过这两段代码可以学习无限大和无限小的写法。