方法一 :使用 HashSet
- List item
- set
- 无序 不重复
判断某物是否已近存在于集合中,不会存储重复的元素 - set .add
- Iterator it = set.iterator();
while (it.hasNext()) {
System.out.println(it.next());
} - set.contains();
|| 前面为ture 后面就不执行
时间复杂度:O(n),其中 N 是节点的数量。最坏的情况下,整棵树被遍历一次。
空间复杂度:O(n)。最坏的情况下,set 存储 n 个节点的值。
算法理解
问题:为什么先对比了再放
如果放了以后再对比,比如 target = 10 ,root = 5,先放了,set里有5,就会直接返回true;
对比是和除自己以外的其他元素对比,其他元素都在set里,对比的时候set里不能包括自己。利用set不重复的特点,所以可以对比完再放不用担心会和自己对比到。
并且倘若BST里有重复的元素,比如两个5,先对比再放,也可以保证对比到的5是之前放的那个,就直接返回true了,不用再放入set,会被覆盖。
分析:
这个算法本质是什么呢,就是
先遍历一遍全部BST,把里面的元素全部都放入set;
再遍历一遍元素,一一和set里的元素对比;
但是这样有坏处,会和自己对比到,而且两遍遍历,代码冗余
理解:
找到一个值,在屋子(set)里找找有没有值和他匹配,如果没有,就自己先进入屋子(不用担心外面或许还存在满足条件的值,因为他们也迟早会进入屋子的,到时候自己在屋子里,双方迟早会见面),也不用担心外面万一有两个值和自己匹配(好纠结,要选哪个呢),你想多了,题目只要求你能够找到(存在值相加等于target),才不关心你找哪个呢,找着谁并不重要,所以,就让你和先见到的那个走吧。(我突然发现人生很多时候就是这样,相识很晚。外面排着队的就是整个人类社会,你一生只会遇见很少很少一部分人)
于是返回true,(因为是递归 加上 或者|| ,满足其中一个true,算法就结束,一次次向上传递true)
你进入屋子后,外面排着队的值,每次都会和已经在屋子里的值做个匹配,找着了就算完,没找着就进屋子里等着别人来找。
那么问题来了,为什么非得进入屋子匹配(用set)呢, 排着队的时候怎么就不找呢(BST),因为你排着队的时候找就得一个个去找,太麻烦了,这个屋子好哇,它有个机制,你一进去,它就给你的脸扫入系统,匹配的时候刷的一下就能找到(set.contains()),你等的时间最多也就是O(n),这么多人,要占O(n)个的地方。
public class Solution {
public boolean findTarget(TreeNode root, int k) {
Set < Integer > set = new HashSet();
return find(root, k, set);
}
public boolean find(TreeNode root, int k, Set < Integer > set) {
if (root == null)
return false;
if (set.contains(k - root.val))
return true;
set.add(root.val);
return find(root.left, k, set) || find(root.right, k, set);
}
}
作者:LeetCode
链接:https://leetcode-cn.com/problems/two-sum-iv-input-is-a-bst/solution/liang-shu-zhi-he-iv-by-leetcode/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
方法二:使用 BFS 和 HashSet
- 广度优先搜索算法
- 满足先生成的结点先扩展的原则,所以存储结点的表一般采用队列这种数据结构。
- 放入根, 取出根,放入根的左右节点ab,取出左节点a ,放入a的左右节点;取出b,放入b的左右节点;。。。。(类似树的层序遍历,利用了队列先进先出的特点)
- 队列
- Queue 中 element() 和 peek() 都是用来返回队列的头元素,不删除。
- 在队列元素为空的情况下,element() 方法会抛出NoSuchElementException异常,peek() 方法只会返回 null。
- remove() 方法会抛出NoSuchElementException异常,
如图 因为测试用例中有个null值,所以不能用element(),它获取到null后就报异常了。
所以我们用remove把它移走,不放入set中,然后继续往下判断
假装我是个图
[5,3,6,2,4,null,7]
9
/**
* Definition for a binary tree node.
* public class TreeNode {
* int val;
* TreeNode left;
* TreeNode right;
* TreeNode(int x) { val = x; }
* }
*/
class Solution {
public boolean findTarget(TreeNode root, int k) {
Set<Integer> set = new HashSet<>();
Queue<TreeNode> queue = new LinkedList();
queue.add(root);
while(!queue.isEmpty()){
if(queue.peek() != null){ //返回队列头元素
TreeNode node = queue.remove();
if(set.contains(k-node.val))
return true;
set.add(node.val);
queue.add(node.left);
queue.add(node.right);
}else
queue.remove();//抛出异常 NoSuchElementException() poll返回null
}
return false;
}
}
方法三.使用 BST
中序遍历
- 中根序遍历
- 递归基本原理:左子树都遍历完了;存储自己本身的val;遍历右子树
- 所以是先对左边使用递归,存储自己的val,在对右边使用递归;
- 不要想着左子树的左右,因为基本原理也满足它;
时间复杂度:O(n) 遍历了整棵树,n
空间复杂度: O(n) list使用了n个空间
/**
* Definition for a binary tree node.
* public class TreeNode {
* int val;
* TreeNode left;
* TreeNode right;
* TreeNode(int x) { val = x; }
* }
*/
class Solution {
public boolean findTarget(TreeNode root, int k) {
List <Integer> list = new ArrayList();
inorder(root,list);
//2个指针
int l = 0;
int r = list.size() - 1;
while(l < r){//不能取到相等,以防自己加自己=k的情况
if(list.get(l)< k - list.get(r)){
l++;
}else if(list.get(l)> k - list.get(r)){
r--;
}else{
return true;
}
}
return false;
}
public void inorder(TreeNode root,List<Integer> list){
//中序遍历得到有序列表
if(root!=null){
inorder(root.left,list);
list.add(root.val);
inorder(root.right,list);
}
}
}