二叉树的递归遍历 二叉树的迭代遍历
二叉树的递归遍历
思路
递归法
递归算法的三步思考
1.递归方法的参数和返回值
2.递归方法的终止条件
3.确认单层递归的处理逻辑
前序遍历
思路
递归法
递归算法的三步思考
1.递归方法的参数和返回值
2.递归方法的终止条件
3.确认单层递归的处理逻辑
前序遍历的参数:存储返回结果的数组,树结点 返回值void
终止条件:结点为空
处理逻辑:先处理根节点,然后左结点,然后右结点
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public List<Integer> preorderTraversal(TreeNode root) {
List<Integer> result = new ArrayList<>();
preorder(result,root);
return result;
}
public void preorder(List<Integer> result,TreeNode node){
if(node == null){
return;
}
result.add(node.val);
preorder(result,node.left);
preorder(result,node.right);
}
中序遍历
思路
递归法
递归算法的三步思考
1.递归方法的参数和返回值
2.递归方法的终止条件
3.确认单层递归的处理逻辑
中序遍历的参数:存储返回结果的数组,树结点 返回值void
终止条件:结点为空
处理逻辑:先处理左节点,然后中结点,然后右结点
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public List<Integer> inorderTraversal(TreeNode root) {
List<Integer> result = new ArrayList<>();
inorder(result, root);
return result;
}
public void inorder(List<Integer> result, TreeNode node) {
if (node == null) {
return;
}
inorder(result, node.left);
result.add(node.val);
inorder(result, node.right);
}
后序遍历
思路
递归法
递归算法的三步思考
1.递归方法的参数和返回值
2.递归方法的终止条件
3.确认单层递归的处理逻辑
后序遍历的参数:存储返回结果的数组,树结点 返回值void
终止条件:结点为空
处理逻辑:先处理左节点,然后右结点,然后中结点
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public List<Integer> postorderTraversal(TreeNode root) {
List<Integer> result = new ArrayList<>();
postorder(result,root);
return result;
}
public void postorder(List<Integer> result,TreeNode node){
if(node == null){
return;
}
postorder(result,node.left);
postorder(result,node.right);
result.add(node.val);
}
二叉树的迭代遍历
思路
迭代法(非递归)
递归的实现就是:每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中,然后递归返回的时候,从栈顶弹出上一次递归的各项参数,所以这就是递归为什么可以返回上一层位置的原因。
所以使用栈也可以实现非递归算法
前序遍历
思路
迭代法(非递归)
递归的实现就是:每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中,然后递归返回的时候,从栈顶弹出上一次递归的各项参数,所以这就是递归为什么可以返回上一层位置的原因。
所以使用栈也可以实现非递归算法
先将根节点入栈,然后出栈。
然后将根节点的左右结点入栈。注意是先入右节点,然后入左节点,最后依次出栈
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public List<Integer> preorderTraversal1(TreeNode root) {
Stack<TreeNode> stack = new Stack<>();
List<Integer> result = new ArrayList<>();
if(root == null){
return result;
}
stack.push(root);
while(!stack.isEmpty()){
result.add(stack.peek().val);
TreeNode leftNode = stack.peek().left;
TreeNode rightNode = stack.peek().right;
stack.pop();
if(rightNode != null){
stack.push(rightNode);
}
if(leftNode != null){
stack.push(leftNode);
}
}
return result;
}
中序遍历
思路
迭代法(非递归)
递归的实现就是:每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中,然后递归返回的时候,从栈顶弹出上一次递归的各项参数,所以这就是递归为什么可以返回上一层位置的原因。
所以使用栈也可以实现非递归算法
为了解释清楚,我说明一下 刚刚在迭代的过程中,其实我们有两个操作:处理:将元素放进result数组中
访问:遍历节点
分析一下为什么刚刚写的前序遍历的代码,不能和中序遍历通用呢,因为前序遍历的顺序是中左右,先访问的元素是中间节点,要处理的元素也是中间节点,所以刚刚才能写出相对简洁的代码,因为要访问的元素和要处理的元素顺序是一致的,都是中间节点。那么再看看中序遍历,中序遍历是左中右,先访问的是二叉树顶部的节点,然后一层一层向下访问,直到到达树左面的最底部,再开始处理节点(也就是在把节点的数值放进result数组中),这就造成了处理顺序和访问顺序是不一致的。
那么在使用迭代法写中序遍历,就需要借用指针的遍历来帮助访问节点,栈则用来处理节点上的元素。
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public static List<Integer> inorderTraversal1(TreeNode root) {
Stack<TreeNode> stack = new Stack<>();
List<Integer> result = new ArrayList<>();
if (root == null) {
return result;
}
TreeNode cur = root;
while (!stack.isEmpty() || cur != null) {
if (cur != null) {
stack.push(cur);
cur = cur.left;
} else {
cur = stack.pop();
result.add(cur.val);
cur = cur.right;
}
}
return result;
}
后序遍历
思路
迭代法(非递归)
递归的实现就是:每一次递归调用都会把函数的局部变量、参数值和返回地址等压入调用栈中,然后递归返回的时候,从栈顶弹出上一次递归的各项参数,所以这就是递归为什么可以返回上一层位置的原因。
所以使用栈也可以实现非递归算法
后序遍历顺序 左-右-中 .那么我们得到中-右-左的顺序将其翻转就可以
所以将前序遍历代码改动,先插入左子树然后插入右子树,那么输出的结果就是中右左
代码如下
// 时间复杂度o(n)其中 n 为二叉树节点的个数。二叉树的遍历中每个节点会被访问一次且只会被访问一次。
// 空间复杂度o(n)空间复杂度取决于递归的栈深度,而栈深度在二叉树为一条链的情况下会达到 O(n)O(n)O(n) 的级别。
public List<Integer> postorderTraversal1(TreeNode root) {
Stack<TreeNode> stack = new Stack<>();
List<Integer> result = new ArrayList<>();
if(root == null){
return result;
}
stack.push(root);
while(!stack.isEmpty()){
result.add(stack.peek().val);
TreeNode leftNode = stack.peek().left;
TreeNode rightNode = stack.peek().right;
stack.pop();
if(leftNode != null){
stack.push(leftNode);
}
if(rightNode != null){
stack.push(rightNode);
}
}
Collections.reverse(result);
return result;
}