分治法丨二叉树的前序遍历

分治法在二叉树遍历中是一种深度优先遍历（DFS），将问题拆解成子问题后，然后合并子问题。

1. 分解：拆解为规模更小的子问题，将问题拆解为足够小时，然后求解。
2. 合并：将每个子问题结果进行合并，然后完成整体问题。

class Solution {
    public List<Integer> preorderTraversal(TreeNode root) {
        // 结束条件
        if(root==null){
            ArrayList<Integer> res = new ArrayList<Integer>();
            return res;
        }

        // 递归拆分问题，获取子问题。
        List<Integer> leftres = preorderTraversal(root.left);
        List<Integer> rightres = preorderTraversal(root.right);

        // 合并子问题
        List<Integer> result = new ArrayList<>();
        result.add(root.val);
        result.addAll(leftres);
        result.addAll(rightres);

        // 返回合并结果
        return result;
    }
}

第一步：拆分左右子树。

// 拆分问题，获取子问题。
List<Integer> leftres = preorderTraversal(root.left);	// 将左子树递归
List<Integer> rightres = preorderTraversal(root.right);	// 将右子树递归

第二步：合并子问题，递归到无法递归时，则会返回到叶子节点的递归调用出继续执行，开始合并结果。

// 合并子问题
List<Integer> result = new ArrayList<>();	// 创建列表存储节点信息
result.add(root.val);	// 前序遍历，先访问子树的根节点，再合并左右子树
result.addAll(leftres);	// 合并该节点的左子树的值，如果是叶子结点，左右为空，会合并一个空列表。
result.addAll(rightres);// 合并右子树的值

// 返回合并结果
return result;			// 返回本次递归的所合并的列表

1. 在本例子中，第一个合并是先合并4号节点，因为是叶子节点，所以在该节点递归时会将叶子的节点的左右子树进行递归，因为是空节点所以会触发递归结束条件，所以叶子节点的两次左右子树的递归回返回两个空列表。

2. 在对叶子节点进行合并子问题时，因为是前序遍历，叶子节点也可以视为一个左右孩子为空的二叉树，所以会先存储节点值，然后合并叶子节点递归调用时返回的两个空列表，然后本次递归结束并返回结果集，结果集中只有一个叶子节点的值。

3. 上次是在2号节点递归左子树时递归到的4号节点，所以继续在2号节点继续递归右子树，5号节点仍然是个叶子节点，因此从5号递归调用时也会返回一个只含有5号节点值的列表。

4. 2号节点的左右子树递归都执行完毕，程序继续执行，接下来则是在2号节点处合并子问题。因为前序遍历规则，所以先将2号节点值存入列表，然后把2号节点左子树的结果集合并到2号节点列表中，再把右子树的结果集合并2号节点的结果集中。所以在2号节点结果集中的顺序就是[2,4,5]，合并顺序就是前序遍历规则的顺序。然后返回2号节点的结果集[2,4,5]

5. 上次是在1号节点递归左子树时递归到的2号节点，所以继续在1号节点继续递归右子树，1号节点也是整棵二叉树的根节点，所以递归右子树顺序和左子树顺序一样，就不在赘述右子树递归顺序。2节点返回的结果集后，我们这里认为3号节点结果集也已返回。因此接下来执行合并子问题，根据前序规则，先存入1号节点的值，然后将2号节点的返回的结果集合并到1号节点的结果集中得到[1,2,4,5]，然后再把3号节点结果并入结果集中得到[1,2,4,5,3,6,7]，合并操作结束后，返回1号节点的结果集，至此二叉树递归完毕。

总结：先递归寻找最左叶子节点，叶子节点也是一颗特殊的二叉树，每个节点把自己的左右子树结果合并，然后将结果返回给上层调用，上层继续合并，直到返回到根节点，根节点将左右子树的结果合并后返回整颗二叉树的遍历的结果。