二叉树学习——day3

一、自顶向下递归

自顶向下递归是一种在处理树（尤其是二叉树）结构时常用的递归方法。在这种递归方式中，从根节点开始，先处理当前节点的任务，然后递归地向下移动到左右子节点。这种方法的关键在于，在每一层的递归调用中，都能访问到父节点的信息。

工作原理：

自顶向下递归的工作原理可以分为以下几个步骤：

1. 开始于根节点：递归的起始点是树的根节点。
2. 处理当前节点：在每个节点上，根据需要执行某些操作。这些操作可能依赖于父节点传递下来的信息。
3. 递归子节点：递归地调用函数本身，首先对左子节点，然后是右子节点。

示例分析 - 计算二叉树的最大深度：

def maxDepth(root):
    if not root:
        return 0
    left_depth = maxDepth(root.left)
    right_depth = maxDepth(root.right)
    return max(left_depth, right_depth) + 1

在这个例子中，从根节点开始，递归地计算左右子树的深度。每一层递归都返回其子树的深度，然后选择较大的一个，再加上当前层的深度（即 +1）。

特点

• 直观性：因为这种方法遵循了自然的树遍历顺序，所以通常更直观。
• 依赖父节点信息：在递归过程中，可以轻松地访问并使用父节点的信息。
• 可能的重复计算：在某些情况下，自顶向下递归可能会导致对同一节点的多次访问和计算。

应用场景

1. 当一个问题可以通过访问从根节点到某个节点的路径来解决时。
2. 当问题需要利用从根节点开始累积的信息时。

---

二、自底向上递归

在自底向上递归中，首先处理子节点，然后根据子节点的结果来处理当前节点。这种方法常用于需要从子节点收集信息并在父节点进行汇总的情况。

工作原理：

1. 递归子节点：从当前节点开始，递归地处理其左右子节点。
2. 收集子节点信息：在每个子节点上的递归调用返回后，收集和处理这些子节点的信息。
3. 处理当前节点：根据子节点的信息来处理当前节点，然后将结果向上传递。

示例分析 - 判断二叉树是否平衡：

def isBalanced(root):
    def check(root):
        if not root:
            return 0
        left = check(root.left)
        right = check(root.right)
        if left == -1 or right == -1 or abs(left - right) > 1:
            return -1
        return max(left, right) + 1

    return check(root) != -1

在这个例子中，check 函数首先递归地计算左右子树的高度和平衡状态，然后根据这些信息判断当前节点的平衡状态。

特点

• 高效性：由于减少了重复计算，这种方法通常比自顶向下递归更高效。
• 复杂性：实现上比自顶向下递归复杂，因为需要更多地关注子节点的结果。
• 适用性：特别适合于需要从子节点向父节点汇总信息的问题。

应用场景

1. 当解决问题需要收集和汇总子树的信息时。
2. 当每个节点的处理依赖于其子节点的结果时。

---

比较与选择

• 适用性：自顶向下适合于解决需要从根节点开始累积信息的问题，如路径计算。自底向上适合于需要从子节点聚合信息的问题，如检查树的平衡性。
• 效率：自底向上通常更高效，因为它减少了重复计算。
• 易用性：自顶向下递归更容易理解和实现，特别是对于初学者。