leetcode 124. 二叉树中的最大路径和

二叉树中的 路径 被定义为一条节点序列,序列中每对相邻节点之间都存在一条边。同一个节点在一条路径序列中 至多出现一次 。该路径 至少包含一个 节点,且不一定经过根节点。

路径和 是路径中各节点值的总和。

给你一个二叉树的根节点 root ,返回其 最大路径和 。

示例 1:
在这里插入图片描述
输入:root = [1,2,3]
输出:6
解释:最优路径是 2 -> 1 -> 3 ,路径和为 2 + 1 + 3 = 6

示例 2:
在这里插入图片描述
输入:root = [-10,9,20,null,null,15,7]
输出:42
解释:最优路径是 15 -> 20 -> 7 ,路径和为 15 + 20 + 7 = 42

提示:
树中节点数目范围是 [1, 3 * 104]
-1000 <= Node.val <= 1000
题目链接在:leetcode 124

思路,可以通过一个函数,求以 root 为 根节点到 子节点的最大 pathSum, 这样递归遍历就能求出所有的 pathSum

# 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 __init__(self):
        self.res = -pow(2, 31)
        self.a = dict() ## 存以 root 为根节点,一直到子节点的最大 pathSum

    ## 计算以 root 节点为根节点 往某一边的最大 pathSum
    @cache
    def getPathSum(self, root):
        if root == None:
            return 0
        #leftPathSum = self.a[root.left] if root.left in self.a else max(self.getPathSum(root.left), 0)
        #rightPathSum = self.a[root.right] if root.right in self.a else max(self.getPathSum(root.right), 0)
        leftPathSum =  max(self.getPathSum(root.left), 0)
        rightPathSum = max(self.getPathSum(root.right), 0)
        self.res = max(self.res, root.val + leftPathSum + rightPathSum)
        #self.a[root] = root.val + max(leftPathSum, rightPathSum)
        return root.val + max(leftPathSum, rightPathSum)


    def maxPathSum(self, root: Optional[TreeNode]) -> int:
        x = self.getPathSum(root)
        return self.res

还有道类似的题目,leetcode 687 最长同值路径
给定一个二叉树的 root ,返回 最长的路径的长度 ,这个路径中的 每个节点具有相同值 。 这条路径可以经过也可以不经过根节点。

两个节点之间的路径长度 由它们之间的边数表示。
示例 1:
在这里插入图片描述
输入:root = [5,4,5,1,1,5]
输出:2

示例 2:
在这里插入图片描述输入:root = [1,4,5,4,4,5]
输出:2

# 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 __init__(self):
        self.res = 0

    @cache
    def getPathSum(self, root):
        if root == None:
            return 0
        leftSum = self.getPathSum(root.left)
        leftSum1 = 0
        if root.left != None and root.left.val == root.val:
            leftSum1 = 1 + leftSum
        rightSum = self.getPathSum(root.right)
        rightSum1 = 0
        if root.right != None and root.right.val == root.val:
            rightSum1 = 1 + rightSum
        self.res = max(self.res, leftSum1 + rightSum1)
        return max(leftSum1, rightSum1)

    def longestUnivaluePath(self, root: Optional[TreeNode]) -> int:
        if root == None:
            return 0
        a = self.getPathSum(root)
        return self.res
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
逻辑结构:描述数据元素之间的逻辑关系,如线性结构(如数组、链表)、树形结构(如二叉树、堆、B树)、图结构(有向图、无向图等)以及集合和队列等抽象数据类型。 存储结构(物理结构):描述数据在计算机如何具体存储。例如,数组的连续存储,链表的动态分配节点,树和图的邻接矩阵或邻接表表示等。 基本操作:针对每种数据结构,定义了一系列基本的操作,包括但不限于插入、删除、查找、更新、遍历等,并分析这些操作的时间复杂度和空间复杂度。 算法算法设计:研究如何将解决问题的步骤形式化为一系列指令,使得计算机可以执行以求解问题。 算法特性:包括输入、输出、有穷性、确定性和可行性。即一个有效的算法必须能在有限步骤内结束,并且对于给定的输入产生唯一的确定输出。 算法分类:排序算法(如冒泡排序、快速排序、归并排序),查找算法(如顺序查找、二分查找、哈希查找),图论算法(如Dijkstra最短路径算法、Floyd-Warshall算法、Prim最小生成树算法),动态规划,贪心算法,回溯法,分支限界法等。 算法分析:通过数学方法分析算法的时间复杂度(运行时间随数据规模增长的速度)和空间复杂度(所需内存大小)来评估其效率。 学习算法数据结构不仅有助于理解程序的内部工作原理,更能帮助开发人员编写出高效、稳定和易于维护的软件系统。

“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
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