C语言经典算法之二叉树的后序遍历（递归实现）

JJJ69

已于 2024-01-31 08:48:14 修改

阅读量1.4k

点赞数 25

分类专栏： C语言经典算法文章标签：算法 c语言开发语言数据结构

于 2024-01-31 08:47:40 首次发布

本文链接：https://blog.csdn.net/weixin_56154577/article/details/135945217

版权

C语言经典算法专栏收录该内容

160 篇文章 13 订阅

订阅专栏

本文详细介绍了C语言中二叉树后序遍历的递归实现，探讨了其时间复杂度为O(n)和空间复杂度在最坏情况下的O(n)，同时分析了递归的优点和缺点，以及在实际场景中的应用，如表达式求值、文件管理、语法分析和数据库查询优化。

摘要由CSDN通过智能技术生成

前言

A.建议

1.学习算法最重要的是理解算法的每一步，而不是记住算法。

2.建议读者学习算法的时候，自己手动一步一步地运行算法。

tips：文中的（如果有）对数，则均以2为底数

B.简介

在C语言中，二叉树的后序遍历（Postorder Traversal）是一种按照“左子树-右子树-根节点”的顺序访问每个节点的算法。递归实现的思路非常直观：首先递归地遍历左子树，然后递归地遍历右子树，最后访问当前根节点。

一代码实现

#include <stdio.h>

// 定义二叉树节点结构体
typedef struct BiTNode {
    int data; // 假设数据类型为整型
    struct BiTNode* left;
    struct BiTNode* right;
} BiTNode;

// 访问节点值的函数，这里仅用于打印节点值
void visit(int data) {
    printf("%d ", data);
}

// 后序遍历二叉树的递归函数
void postorderTraversal(BiTNode *node) {
    if (node == NULL) {  // 如果节点为空，则返回
        return;
    }

    // 递归遍历左子树
    postorderTraversal(node->left);

    // 递归遍历右子树
    postorderTraversal(node->right);

    // 访问（打印或处理）根节点的值
    visit(node->data);
}

// 示例用法：
int main() {
    // 首先构造一个二叉树，此处省略构造过程...
    BiTNode* root = ...; // 初始化根节点

    // 对二叉树进行后序遍历
    postorderTraversal(root);

    return 0;
}

上述代码定义了一个BiTNode结构体来表示二叉树节点，并提供了一个postorderTraversal函数来进行后序遍历。遍历时，首先确保节点非空，然后递归地调用自身以遍历左子树和右子树，最后才访问当前节点的数据。

二时空复杂度

A.时间复杂度：

对于一棵高度为 $h$ 且包含 $n$ 个节点的二叉树，后序遍历需要访问每个节点一次，因此其时间复杂度主要取决于树的高度。在最坏的情况下（即完全不平衡的二叉树，例如每个节点只有一个子节点的链状结构），树的高度 $h$ 等于 $n$ ，所以时间复杂度是 $O(n)$ 。

在平均情况下，对于一个平衡的二叉树（如满二叉树或完全二叉树），树的高度 $h$ 大致等于 $log2(n)$ ，因此时间复杂度也是 $O(n)$ 。

总结：无论是最坏还是平均情况，后序遍历的时间复杂度都是 $O(n)$ ，其中n表示二叉树的节点数。

B.空间复杂度：

由于后序遍历采用递归方式实现，每进行一次函数调用会使用一部分栈空间来保存返回地址和局部变量等信息。在最坏的情况下（即完全不平衡的二叉树），递归深度最大可达到 $n$ ，因此空间复杂度是 $O(n)$ 。

而在平均情况下，对于一个平衡的二叉树，递归深度约为 $log2(n)$ ，空间复杂度为 $O(log n)$ 。

总结：在最坏情况下，后序遍历的空间复杂度为 $O(n)$ ，在较好的平衡二叉树中，空间复杂度可以降低到 $O(log n)$ 。

三优缺点

A.优点：

简洁性与直观性：递归实现后序遍历二叉树的代码结构清晰，逻辑直接体现了后序遍历的定义（左子树-右子树-根节点），易于理解。
自包含与模块化：递归函数自身包含了对子问题的解决步骤，将复杂问题分解为规模更小的相同类型的问题，简化了程序设计。
适应性：适用于任意形态的二叉树，无论树是完全平衡还是高度倾斜，只要存在足够的递归栈空间，都能正确完成遍历任务。
编码效率：对于开发者而言，使用递归来实现后序遍历算法可以避免显式地使用栈来保存中间状态，简化编程工作。

B.缺点：

空间消耗：在最坏情况下，即二叉树极度不平衡时，递归调用链可能达到线性长度，导致递归栈的空间需求增长至O(n)，可能会造成栈溢出的问题。
性能瓶颈：递归过程中涉及到大量的函数调用开销，尤其是在处理大规模数据或高度不平衡的二叉树时，这会增加CPU的时间和空间消耗。
递归深度限制：不同系统和编译器对递归深度有不同的限制，极端情况下可能导致无法处理深层嵌套的递归调用。
不便于错误追踪：由于递归调用链较长且隐含，当出现异常或错误时，定位问题所在的具体层级不如非递归实现直观。
不易于并行处理：对于递归实现的后序遍历，很难进行有效的并行化操作，因为后序遍历的顺序特性要求前序访问的结果才能决定后续的操作，而在多线程环境中，这种依赖关系难以处理。

四现实中的应用

表达式求值：在编译器和解释器中，计算表达式的值时经常用到后序遍历来处理逆波兰表示法（Reverse Polish Notation, RPN）或其他需要按照运算符优先级执行的表达式。例如，在逆波兰表达式中，操作数先入栈，然后当遇到运算符时，从栈顶弹出两个操作数进行计算，并将结果压回栈中。这种模式与后序遍历非常相似，因为对于一个运算符节点，其左右子树分别代表操作数，而根节点代表运算符，所以必须先遍历完操作数再执行运算。
删除文件或目录：在计算机操作系统中，删除一个目录及其所有子目录时，采用类似后序遍历的方法来确保不会在删除子目录前删除父目录。先遍历并删除所有的子目录及文件，最后才删除当前目录自身。
语法分析与解析：在自然语言处理、编程语言编译器构建等领域的上下文无关文法分析中，后序遍历常用于自底向上分析过程中构造抽象语法树（Abstract Syntax Tree, AST）。比如在构造AST时，通常会先生成子句或子表达式的子树，然后根据这些子树构建更复杂的结构，这符合后序遍历“左子树-右子树-根节点”的顺序。
数据库查询优化：在关系型数据库管理系统中，查询优化器可能会使用类似于后序遍历的方式来遍历查询计划树以决定最佳的执行策略。其中，“访问”操作对应于叶子节点（表扫描或索引查找），内部节点则代表连接或筛选操作，通过后序遍历可以保证数据源被正确地访问后再执行复合操作。
程序设计与算法实现：在某些特定的算法设计中，如解决数学问题或者对复杂数据结构进行操作时，后序遍历能够提供一种直观且逻辑清晰的方式来访问树状结构中的元素，特别是在需要按照某种特定顺序处理信息时。
深度优先搜索（DFS）：后序遍历是深度优先搜索策略的一种体现，它广泛应用于各种图形算法，包括网络路由算法、游戏AI路径规划、拓扑排序等领域，其中可能需要在探索完某个分支的所有可能性后，才能做出关于该分支起点的有效决策。