树 Tree 问题的总结

跟树有关的问题，基本上会涉及树的遍历。

在这里，将对四种树的遍历，包括前序遍历 (preoder traverse)，中序遍历(preoder traverse)，

后序遍历 (preoder traverse)，层次遍历(preoder traverse)做一些总结。

除了树的遍历外，还会介绍一些不同的树的类型，和一些解决树问题的方法。

下图为一个树的例子。

一、树的遍历

1.1 前序遍历

注意，所以的序都是相对于root节点来讲的。

前序遍历即以为root 最先遍历，接着遍历左子树，最后遍历右子树。

（其实遍历左子树的时候，又可以把它看成一棵新的树）

此树的前序遍历结果为：4，7，9，10，8。

根据，我们先前的描述，前序遍历可以很简单地用递归的方式来实现。

但同时需要掌握如何迭代地实现。

迭代是靠栈（stack）实现的，因为先不用遍历右子树，所以将右子树先存储起来。

1.2 中序遍历

先遍历左子树，接着遍历root，最后遍历右子树。

此树的中序遍历结果为：9，7，10，4，8。

需要掌握递归的中序遍历和迭代的中序遍历两种方式。

迭代的依旧靠栈实现，同样将遍历图中的右子树存储，跟前序遍历的差别是：root输出的先后。

1.3 后序遍历

先左子树，再右子树，最后root。

此树的后序遍历结果为：9，10， 7， 8， 4。

依旧有递归和迭代两种方式。

迭代的时候，用栈存储暂时不用输出的信息。
1.4 层次遍历

前面的3中遍历，可以看成深度优先遍历（depth-first search)，往某一条路一直走，直至到了走不了位置。

树的层次遍历，则是一种广度优先遍历（breadth-first search)。

它的遍历结果为：

[ 4 ] [ 7, 8 ] [9 , 10 ]

用Queue来实现层次遍历。

掌握好了这几种遍历，明白各种遍历真正意味着什么，基本能处理80%的跟树有关的题目了。

很多时候，都是这几种遍历的结合体。

比如，给对于一棵没有重复值的树，中序遍历 + 后序遍历，或者 中序遍历 + 前序遍历 的序列都能够恢复出一棵树。

这是因为中序遍历本身就意味着左右的分割。

二、不同的树

2.1 二叉树 （binary tree )

这是最简单的树了，每个节点可以有左右节点，值之间没有限制。

2.2 二分搜索树（binary seach tree)

这是比二叉树更高级的树，它对节点的值做了限制。

每个节点的值必须比它的左节点值大，必须必它的右节点值小。

这个的好处是给定一个值，可以进行二分搜索（binary search)。

二分搜索树一个很重要的性质：中序遍历是递增序列。这个性质有时候能帮助我们解决某些问题。

2.3 平衡二叉树 (balanced binary tree)

这也是比二叉树更高级的树。高级在它要求一个节点的左子树和右子树的高度 <= 1。

当然它的左右子树也要满足这个要求。

树平衡的好处在于，能够保证查找的时间复杂度保证在 O (logN )内。

2.4 满二叉树 (full binary tree )

根据名字也可以猜到这树长什么样了，这是一个棵都填满的树。

除最后一层，每一个节点都有2个子节点。

最后一个，没有任何子节点。

给图中的8节点，加上2个子节点，就是蛮二叉树了。

满二叉树有一些性质：

假设层数为k

a. 总节点树是2 ^ k - 1。

b. 对树进行层次遍历， 下标为 i 的节点的左节点为 i * 2 + 1， 右节点为 i * 2 + 2。

2.5 完全二叉树 (complete binary tree)

完全二叉树对满二叉树的要求放宽了。

最后一层，不需要完全填慢，比如最上面的，其实就是一棵完全二叉树。

三、解决树问题的法宝。

1.核心思想是搜索的思想！

结合具体的应用，看用深度优先搜索还是广度优先搜索。

一般90%都是深度优先搜索。

2. 对于深度优先的搜索问题，递归可以说是实现这些的问题最简洁和最清晰的方法。

要掌握利用递归，翻转二叉树（invert binary tree)，判断是不是对称树（symmetirc tree)，树的高度，两棵树是不是相同的等等问题。
递归是将root 的左右子树都看成一个新的树，所以原树的所有节点其实都是可以成为root 节点。

递归分两步。

1. 问题的分解。（一般先想这个）

2. 递归的结束