二、遍历
求解问题的策略：不要从轮子造起，要善于利用以前的成果。将二叉树这种半线性结构转化为此前研究有素的线性结构——遍历
遍历：按照事先约定的某种次序，对树中的每个节点都恰好访问一次
任何一个局部的子树，可分为树根V、左子树L和右子树R三部分。只要根节点的访问和左右子树的遍历次序能够明确确定，那么在整体上就必然导致一个明确的线性次序。
按惯例左兄弟L优先于右兄弟R，根据对根节点V在三者中的不同的遍历次序，可分为：先序遍历（preorder，VLR）、中序遍历（inorder，LVR）和后序遍历（postorder，LRV）
图取自清华大学《数据结构（C++语言版）》
2.1 递归版遍历
递归版便利思路简单明确，分为三部分：对节点访问，遍历左子树，遍历右子树。根据对节点访问的顺序不同，有以下三种递归遍历算法：
2.1.1 递归先序遍历
代码取自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travPre_R(BinNodePosi(T) x, VST& visit) { //二叉树先序遍历算法（递归版）
if (!x) return;
visit(x->data);
travPre_R(x->lc, visit);
travPre_R(x->rc, visit);
}
2.1.2 递归中序遍历
代码取自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travIn_R(BinNodePosi(T) x, VST& visit) { //二叉树中序遍历算法（递归版）
if (!x) return;
travIn_R(x->lc, visit);
visit(x->data);
travIn_R(x->rc, visit);
}
2.1.3 递归后序遍历
代码取自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travPost_R(BinNodePosi(T) x, VST& visit) { //二叉树后序遍历算法（递归版）
if (!x) return;
travPost_R(x->lc, visit);
travPost_R(x->rc, visit);
visit(x->data);
}
2.2 迭代先序遍历
2.2.1 版本1
根据消除尾递归的一般性方法，将递归版改写为迭代版：由于尾递归并未在返回时执行其他的操作，所示实质上只是为了执行完尾递归语句前的操作后跳入下一实例。这样其实和每次迭代执行各实例没有区别，很容易修改为迭代版：
直截了当易理解版：尾部改为：x=x+1，进入下次迭代操作x
借助一个栈版本：起初将树根放入栈中。每次运行完后将下一实例存入栈中push(x->next)，下次迭代开始时再出栈x=pop()，并执行操作。迭代结束判断依据：每一次迭代操作完成后栈是否为空
代码取自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travPre_I1(BinNodePosi(T) x, VST& visit) { //二叉树先序遍历算法（迭代版#1）
Stack<BinNodePosi(T)> S; //辅助栈
if (x)
S.push(x); //根节点入栈
while (!S.empty()) //在栈变空之前反复循环
{
x = S.pop(); visit(x->data); //弹出并访问当前节点，其非空孩子的入栈次序为先右后左
if (HasRChild(*x)) S.push(x->rc);
if (HasLChild(*x)) S.push(x->lc);
}
}
注意这里每个节点都是在被弹出栈的时刻才进行操作，由于左孩子L先右孩子R后，而栈是后入先出（LIFO）的，所以结尾左右两个孩子的入栈的顺序是反过来的！！！
2.2.2 版本2
版本1是通过将尾递归改为迭代的方式实现的。这种思路并不容易推广到非尾递归的场合，比如在中序或后序遍历中，至少有一个递归方向严格地不属于尾递归。因此采用以下这种更为通用的方法。
图摘自清华大学《数据结构（C++语言版）》
该迭代算法分为两个步骤：
- 自顶而下地依次访问左侧链（left branch）上的沿途节点，并将其右孩子入辅助栈S
- 行进至左侧链末尾后，自底而上地依次出栈并遍历这些节点上的每一棵右子树
代码摘自清华大学《数据结构（C++语言版）》
//从当前节点出发，沿左分支不断深入，直至没有左分支的节点；沿途节点遇到后立即访问
template <typename T, typename VST> //元素类型、操作器
static void visitAlongLeftBranch(BinNodePosi(T) x, VST& visit, Stack<BinNodePosi(T)>& S) {
while (x) {
visit(x->data); //访问当前节点
S.push(x->rc); //右孩子入栈暂存（可优化：通过判断，避免空的右孩子入栈）
x = x->lc; //沿左分支深入一层
}
}
template <typename T, typename VST> //元素类型、操作器
void travPre_I2(BinNodePosi(T) x, VST& visit) { //二叉树先序遍历算法（迭代版#2）
Stack<BinNodePosi(T)> S; //辅助栈
while (true) {
visitAlongLeftBranch(x, visit, S); //从当前节点出发，逐批访问
if (S.empty()) break; //直到栈空
x = S.pop(); //弹出下一批的起点
}
}
辅助函数：visitAlongLeftBranch()，从根节点起，沿着左侧链left branch，自顶而下访问最左侧通路沿途的各个节点，并将各个节点的右孩子入栈，逆序记录最左侧通路上的节点右孩子，以便确定其对应右子树自底而上的遍历次序。
主算法：建立辅助栈。反复调用visitAlongLeftBranch()，每步迭代都弹出当前栈顶，并以其为子树根节点，进入下一次迭代后继续调用visitAlongLeftBranch()。
注意主算法终止的位置：每次调用visitAlongLeftBranch()处理后，对栈是否变空进行判断，栈空则算法结束退出。
2.3 迭代中序遍历
2.3.1 版本1
依旧，将数的整体结构分为左侧链和左侧链上节点的右子树
图摘自清华大学《数据结构（C++语言版）》
分为若干个步骤：
- 沿着左侧链向下行进，并将沿途节点入栈（先不访问，只入栈）
- 行进至左侧链末尾后，弹出栈顶并进行访问
- 将控制权交给当前节点的右子树，下次迭代对右子树进行遍历。右子树用同样迭代过程遍历完毕后，控制权才会回到上一层左侧链的节点。
左侧链有多少个节点就分多少个阶段。每个阶段均为：访问左侧链节点、遍历右子树
注意，迭代中序遍历首先被访问的是左侧链的末端
代码摘自清华大学《数据结构（C++语言版）》
template <typename T> //从当前节点出发，沿左分支不断深入，直至没有左分支的节点
static void goAlongLeftBranch(BinNodePosi(T) x, Stack<BinNodePosi(T)>& S) {
while (x) { S.push(x); x = x->lc; } //当前节点入栈后随即向左侧分支深入，迭代直到无左孩子
}
template <typename T, typename VST> //元素类型、操作器
void travIn_I1(BinNodePosi(T) x, VST& visit) { //二叉树中序遍历算法（迭代版#1）
Stack<BinNodePosi(T)> S; //辅助栈
while (true) {
goAlongLeftBranch(x, S); //从当前节点出发，逐批入栈
if (S.empty()) break; //直至所有节点处理完毕
x = S.pop(); visit(x->data); //弹出栈顶节点并访问之
x = x->rc; //转向右子树
}
}
辅助函数：goAlongLeftBranch()，在当前的节点x沿着左侧链下行，并将左侧链上的节点入栈，沿左侧链深入至左侧链底端。（注意，这里辅助函数只将左侧链节点入栈，但不进行访问，因为是中序遍历，注意与前面先序遍历的辅助函数功能作对比）
主算法：建立辅助栈。调用goAlongLeftBranch()函数，从当前节点出发，将左侧链节点入栈。深入至左侧链底端后，将栈顶左侧链节点弹出并访问，然后将控制权交给其右孩子，下次迭代对其右子树进行又一次遍历。
注意主算法终止的位置：每次调用goAlongLeftBranch()函数后，对栈是否为空进行判断，若栈为空则算法终止。
复杂度：分摊分析
从结构上来看，似乎是两个while循环嵌套，其中外循环总共需要执行O(n)步，因为需要对每个节点访问一次；而内循环最坏情况下也会达到O(n)（如左侧链长度达到了n/4，n/2等）。然而事实上，所有左侧链的累计长度也只是O(n)，即内层循环（每个节点入栈至多一次，总共O(n)）每一步的分摊复杂度只是O(1)，所以算法的复杂度仍为O(n)
2.3.2 直接后继及其定位
与所有遍历一样，中序遍历的实质功能也可理解为，为所有节点赋予一个次序，从而将半线性的二叉树转化为线性结构。于是一旦指定了遍历策略，即可与向量和列表一样，在二叉树的节点之间定义前驱与后继关系。其中没有前驱（后继）的节点称作首（末）节点。
分两类情况：
- 若当前节点t有右孩子，则其直接后继s必是其右子树中的最小节点。此时只需转入右子树，并沿该子树的最左侧链朝下深入，直至右子树中最靠左（最小）的节点，便是其直接后继s
图摘自清华大学《数据结构（C++语言版）》慕课电子讲义
- 若当前节点t没有右子树，则若其后继存在，必为该节点的某个祖先，具体地说是在沿着parent指针向上的过程中第一次向右的祖先（即将当前节点纳入其左子树的最低祖先）。此时首先沿右侧通路（parent指针）不断朝左上方上升，当不能继续前进时，再朝右上方移动一步即为其后继s（可能是NULL）。
图摘自清华大学《数据结构（C++语言版）》慕课电子讲义
2.3.3 版本2
观察版本1其实可以看出来，辅助函数的运行条件和主函数其他部分的运行条件是完全互斥的，即若当前节点满足辅助函数的运行条件，则绝对不会立即对该节点进行后续的操作；同理，每次（碰到空孩子）时，辅助函数便不再运行，而是主算法中的其他操作开始运行。因此，可改写版本1至如下：
代码摘自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travIn_I2(BinNodePosi(T) x, VST& visit) { //二叉树中序遍历算法（迭代版#2）
Stack<BinNodePosi(T)> S; //辅助栈
while (true)
if (x)
{
S.push(x); //根节点进栈
x = x->lc; //深入遍历左子树
}
else if (!S.empty())
{
x = S.pop(); //尚未访问的最低祖先节点退栈
visit(x->data); //访问该祖先节点
x = x->rc; //遍历祖先的右子树
}
else
break; //遍历完成
}
版本2只不过是版本1的等价形式，但借助它可便捷地设计和实现以下版本3
2.3.4 版本3
以上的迭代式遍历算法都需使用辅助栈，尽管这对遍历算法的渐进时间复杂度没有实质影响，但所需辅助空间的规模将线性正比于二叉树的高度，在最坏情况下与节点总数相当。
图摘自清华大学《数据结构（C++语言版）》
这里相当于将原辅助栈替换为一个标志位
backtrack。每当抵达一个节点，借助该标志即可判断此前是否刚做过一次自下而上的回溯。若不是，则按照中序遍历的策略优先遍历左子树。反之，若刚发生过一次回溯，则意味着当前节点的左子树已经遍历完毕（或等效地，左子树为空），于是便可访问当前节点，然后再深入其右子树继续遍历。
每个节点被访问之后，都应转向其在遍历序列中的直接后继。按照以上的分析，通过检查右子树是否为空，即可在两种情况间做出判断：该后继要么在当前节点的右子树（若该子树非空）中，要么（当右子树为空时）是其某一祖先。如图5.21所示，后一情
况即所谓的回溯。
注意，由succ()返回的直接后继可能是NULL，此时意味着已经遍历至中序遍历意义下的末节点，于是遍历完成。
代码摘自清华大学《数据结构（C++语言版）》
template <typename T, typename VST> //元素类型、操作器
void travIn_I3(BinNodePosi(T) x, VST& visit) { //二叉树中序遍历算法（迭代版#3，无需辅助栈）
bool backtrack = false; //前一步是否刚从左子树回溯——省去栈，仅O(1)辅助空间
while (true)
if (!backtrack && HasLChild(*x)) //若有左子树且不是刚刚回溯，则
x = x->lc; //深入遍历左子树
else //否则——无左子树或刚刚回溯（相当于无左子树）
{
visit(x->data); //访问该节点
if (HasRChild(*x)) //若其右子树非空，则
{
x = x->rc; //深入右子树继续遍历
backtrack = false; //并关闭回溯标志
}
else //若右子树空，则
{
if (!(x = x->succ())) break; //回溯（含抵达末节点时的退出返回）
backtrack = true; //并设置回溯标志
}
}
}
该版本无需使用任何结构，总体仅需O(1)的辅助空间，属于就地算法。当然，因需要反复调用succ()，时间效率有所倒退
3586
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
