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
- 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)。
- 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)。
- 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。
- 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
-
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。
-
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。
-
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。
-
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。 -
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。 -
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。 -
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。 -
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。