最大二叉树

https://leetcode.cn/problems/maximum-binary-tree/

思路:找到数组中的最大值,然后取最大值左边的数组为左子树,最大值右边的数组为右子树,所以我们自然而然的想到了使用递归的方法。那么我们考虑递归三要素:

  1. 确立参数和返回条件:由于二叉树是遍历整棵数,参数传入的是存放元素的数组,返回该数组构造的二叉树的头结点,返回类型是指向节点的指针。所以我们使用TreeNode进行设定:

 TreeNode* traversal(vector<int>& nums)
  1. 确定终止条件:

题目中说了输入的数组大小一定是大于等于1的,所以我们不用考虑小于1的情况,那么当递归遍历的时候,如果传入的数组大小为1,说明遍历到了叶子节点了。这个时候我们应该返回根节点,但是这道题是构造二叉树,并没有给出根节点,所以我们应该定义一个新的节点,并把这个数组的数值赋给新的节点,然后返回这个节点。 这表示一个数组大小是1的时候,构造了一个新的节点,并返回。

TreeNode* node = new TreeNode(0);
if (nums.size() == 1) {
    node->val = nums[0];
    return node;
}
  1. 单层递归逻辑:

我们要考虑左子树右子树的单层递归逻辑,这里有三个任务,首先找到最大值,然后确立最大值左右数组,再进行递归。

        int maxValue = 0;
        int maxValueIndex = 0;
        for(int i = 0; i < nums.size(); i++){
           if( nums[i] > maxValue){
               maxValue = nums[i];
               maxValueIndex = i;
           }
        }
        node -> val = maxValue;
        if(maxValueIndex > 0){
//注意左子树递归是有前提的,也就是最大值所在的下标一定要大于0,否则就会有空地址访问。
        vector<int> left(nums.begin(),nums.begin() + maxValueIndex);
        node -> left = traversal(left);
        }
//注意右子树递归是也是有前提的
        if(maxValueIndex < nums.size() - 1){
        vector<int> right(nums.begin() + maxValueIndex + 1,nums.end());
        node -> right = traversal(right);
        }
        return node; 
        }

全部代码:

class Solution {
public:
    TreeNode* constructMaximumBinaryTree(vector<int>& nums) {
        return traversal(nums);
    }
    TreeNode* traversal(vector<int>& nums){
        TreeNode* node = new TreeNode(0);
        if(nums.size() == 1){
            
            node -> val = nums[0];
            return node;
        }
        int maxValue = 0;
        int maxValueIndex = 0;
        for(int i = 0; i < nums.size(); i++){
           if( nums[i] > maxValue){
               maxValue = nums[i];
               maxValueIndex = i;
           }
        }
        node -> val = maxValue;
        if(maxValueIndex > 0){

        vector<int> left(nums.begin(),nums.begin() + maxValueIndex);
        node -> left = traversal(left);
        }
        if(maxValueIndex < nums.size() - 1){
        vector<int> right(nums.begin() + maxValueIndex + 1,nums.end());
        node -> right = traversal(right);
        }
        return node; 
        }
    
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最小堆和最大堆都是二叉树的一种特殊形式。最小堆是指每个节点的值都小于或等于其子节点的值,而最大堆则相反,每个节点的值都大于或等于其子节点的值。最小堆的删除操作是删除最小值,也就是删除根节点。具体的操作是将最后一个节点替换到根节点的位置,然后自顶向下递归调整以满足最小堆的要求。最大堆的删除操作是删除最大值,也是先将最后一个节点提到根节点的位置,然后删除最大值,并将新的根节点放到适当的位置。 最小堆和最大堆的优势是可以在常数时间内访问最小或最大值,而使用数组则需要遍历查找最小或最大值,时间复杂度至少为O(n)。但是,维护最小或最大堆的结构需要额外的工作,这也带来了复杂度的花销。总的来说,最小堆和最大堆是一种对数据进行快速查找的数据结构。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [图解二叉堆(最小堆&最大堆)](https://blog.csdn.net/august5291/article/details/121120535)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [数据结构——最大堆最小堆](https://blog.csdn.net/qq_50675813/article/details/117753225)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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