二叉树的先、中、后层次遍历,递归非递归,DFS、BFS
先序遍历
1. 递归
一般来说,递归遍历比非递归的好写,理解起来也比较简单,不过相比非递归的效率差一些
/*
*这题要求先序遍历二叉树,把遍历结果存储在 list 中,并返回
*/
class Solution {
public List<Integer> preorderTraversal(TreeNode root) {
List<Integer> preOrderList = new ArrayList<Integer>();
preorderTraversal(root, preOrderList);
return preOrderList;
}
public void preorderTraversal(TreeNode root, List<Integer> preOrderList) {
if (root == null) {
return ;
}
preOrderList.add(root.val);
preorderTraversal(root.left, preOrderList);
preorderTraversal(root.right, preOrderList);
return ;
}
}
2. 非递归(迭代)
主要思想是用栈来模拟递归的情况
public List<Integer> preorderTraversal(TreeNode root) {
List<Integer> preOrderList = new ArrayList<Integer>();
Stack<TreeNode> stack = new Stack<TreeNode>();
TreeNode node = root;
while (!stack.isEmpty() || node != null) {
while (node != null) { // 边访问当前,边压栈,指针指向左子树
preOrderList.add(node.val);
stack.push(node);
node = node.left;
}
node = stack.pop();
node = node.right;
}
return preOrderList;
}
3. Morris 遍历
这是一种巧妙的方法,在线性时间内,只占用常数空间的内存来实现遍历,核心思想是利用树的大量空闲指针,实现空间开销的极限压缩
- 新建临时节点,令该节点为 root;
- 如果当前节点的左子节点为空,将当前节点加入答案,并遍历当前节点的右子节点;
- 如果当前节点的左子节点不为空,在当前节点的左子树中找到当前节点在中序遍历下的前驱节点:
· 如果前驱节点的右子节点为空,将前驱节点的右子节点设置为当前节点。然后将当前节点加入答案,并将前驱节点的右子节点更新为当前节点。当前节点更新为当前节点的左子节点。
· 如果前驱节点的右子节点为当前节点,将它的右子节点重新设为空。当前节点更新为当前节点的右子节点。 - 重复步骤 2 和步骤 3,直到遍历结束。
表示不会。。。。。。
中序遍历
1. 递归
class Solution {
public List<Integer> inorderTraversal(TreeNode root) {
List<Integer> inOrderList = new ArrayList<Integer>();
inorderTraversal(root, inOrderList);
return inOrderList;
}
public void inorderTraversal(TreeNode root, List<Integer> inOrderList) {
if (root == null) {
return ;
}
if (root.left != null) {
inorderTraversal(root.left, inOrderList);
}
// 先左子树,再加入当前结点,最后右子树
inOrderList.add(root.val);
if (root.right != null) {
inorderTraversal(root.right, inOrderList);
}
return ;
}
}
2. 非递归(迭代)
public List<Integer> inorderTraversal(TreeNode root) {
List<Integer> inOrderList = new ArrayList<Integer>();
Stack<TreeNode> stack = new Stack<TreeNode>();
TreeNode node = root;
while (node != null || !stack.isEmpty()) {
while (node != null) {
stack.push(node);
node = node.left;
}
node = stack.pop();
inOrderList.add(node.val);
node = node.right;
}
return inOrderList;
}
后序遍历
1. 递归
class Solution {
public List<Integer> postorderTraversal(TreeNode root) {
List<Integer> postOrderList = new ArrayList<Integer>();
postorderTraversal(root, postOrderList);
return postOrderList;
}
public void postorderTraversal(TreeNode root, List<Integer> postOrderList) {
if (root == null) {
return ;
}
if (root.left != null) {
postorderTraversal(root.left, postOrderList);
}
if (root.right != null) {
postorderTraversal(root.right, postOrderList);
}
postOrderList.add(root.val);
return ;
}
}
2. 非递归(迭代)
public List<Integer> postorderTraversal(TreeNode root) {
List<Integer> postOrderList = new ArrayList<Integer>();
Stack<TreeNode> stack = new Stack<TreeNode>();
// 用一个空间来记录之前访问的结点
TreeNode prev = null;
TreeNode node = root;
while (!stack.isEmpty() || node != null) {
// 一直遍历到最左下结点
while (node != null) {
stack.push(node);
node = node.left;
}
node = stack.pop();
// 右子树为空 || 右子树已经遍历完了
if (node.right == null || node.right == prev) {
postOrderList.add(node.val);
prev = node;
node = null; // 接下来会继续弹栈
} else {
stack.push(node);
node = node.right;
}
}
return postOrderList;
}
层次遍历
广度优先搜索
思想:用队列存储树的结点,每访问到当前元素,就按左右的顺序将其子树入队。每遍历完一层,队列中的元素个数queue.suize()就是下一层的元素个数。
public List<List<Integer>> levelOrder(TreeNode root) {
Queue<TreeNode> queue = new LinkedList<TreeNode>();
List<List<Integer>> levelOrderList = new ArrayList<List<Integer>>();
if (root == null) {
return levelOrderList;
}
queue.offer(root);
while (!queue.isEmpty()) {
int queueSize = queue.size();
List<Integer> level = new ArrayList<Integer>();
for (int i = 0; i < queueSize; i++) {
TreeNode node = queue.poll();
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
level.add(node.val);
}
levelOrderList.add(level);
}
return levelOrderList;
}