LeetCode题练习与总结：完全二叉树的节点个数--222

一、题目描述

给你一棵 完全二叉树 的根节点 root ，求出该树的节点个数。

完全二叉树 的定义如下：在完全二叉树中，除了最底层节点可能没填满外，其余每层节点数都达到最大值，并且最下面一层的节点都集中在该层最左边的若干位置。若最底层为第 h 层，则该层包含 1~ 2^h 个节点。

示例 1：

输入：root = [1,2,3,4,5,6]
输出：6

示例 2：

输入：root = []
输出：0

示例 3：

输入：root = [1]
输出：1

提示：

• 树中节点的数目范围是[0, 5 * 10^4]
• 0 <= Node.val <= 5 * 10^4
• 题目数据保证输入的树是 完全二叉树

二、解题思路

1. 对于完全二叉树，我们可以使用递归的方法来计算节点的个数。递归的基本思想是，一个节点的节点数等于其左子树的节点数加上其右子树的节点数，再加上自身（1）。
2. 从根节点开始，递归地对每个节点的左右子树进行计算，直到叶子节点（没有子节点的节点）。
3. 在递归过程中，如果遇到空节点（null），则返回0，因为空节点不计算在内。
4. 最终，递归的结果就是整个完全二叉树的节点总数。

三、具体代码

class Solution {
    public int countNodes(TreeNode root) {
        // 如果当前节点为空，返回0
        if (root == null) {
            return 0;
        }
        // 递归计算左子树的节点数
        int leftCount = countNodes(root.left);
        // 递归计算右子树的节点数
        int rightCount = countNodes(root.right);
        // 当前节点的节点数等于左子树节点数加上右子树节点数，再加上当前节点本身
        return leftCount + rightCount + 1;
    }
}

四、时间复杂度和空间复杂度

1. 时间复杂度

• 该算法需要访问树中的每一个节点，因此它的时间复杂度取决于树中节点的数量。
• 在最坏的情况下，完全二叉树可能退化成一个链表，此时算法需要遍历整个树，时间复杂度为 O(n)，其中 n 是树中节点的数量。
• 在平均情况下，由于完全二叉树的特性，算法的时间复杂度依然是 O(n)，因为算法需要访问每个节点。

因此，该算法的时间复杂度是 O(n)，其中 n 是完全二叉树中的节点数量。

2. 空间复杂度

• 空间复杂度主要取决于递归调用的栈深度。
• 在最坏的情况下，树可能是一个完全平衡的二叉树，此时递归的深度为 log(n)，其中 n 是树中节点的数量。
• 因此，递归栈的空间复杂度为 O(log(n))。

综上所述，该算法的空间复杂度是 O(log(n))，其中 n 是完全二叉树中的节点数量。

五、总结知识点

1. 递归（Recursion）：代码通过递归的方式计算完全二叉树的节点数。递归是一种常见的算法设计技巧，它允许函数调用自身来解决问题。

2. 二叉树（Binary Tree）：代码操作的是二叉树数据结构。二叉树是一种树形数据结构，每个节点最多有两个子节点，分别称为左子节点和右子节点。

3. 完全二叉树（Complete Binary Tree）：题目中特别指出所操作的树是完全二叉树，这意味着树中的每一层（除了最后一层）都被完全填满，并且最后一层的节点都靠左排列。

4. 基础条件（Base Case）：在递归函数中，if (root == null) 是基础条件，它定义了递归的停止条件。当遇到空节点时，递归结束，返回0。

5. 递归调用（Recursive Call）：countNodes(root.left) 和 countNodes(root.right) 是递归调用，它们分别计算左子树和右子树的节点数。

6. 递归合并（Recursive Combination）：在递归的每一步，节点数通过 leftCount + rightCount + 1 来合并。这体现了递归解决问题的分而治之策略。

7. 整型数据类型（Integer Data Type）：代码中使用了 int 数据类型来存储节点数，它是 Java 中的基本数据类型之一，用于表示整数。

8. 条件语句（Conditional Statement）：使用了 if 语句来检查节点是否为空，这是一种控制流语句，用于根据条件执行不同的代码路径。

以上就是解决这个问题的详细步骤，希望能够为各位提供启发和帮助。