《编程之美: 求二叉树中节点的最大距离》的另一个解法（转）

最新推荐文章于 2024-08-12 19:18:27 发布

xjbzju

最新推荐文章于 2024-08-12 19:18:27 发布

阅读量1.1k

点赞数

分类专栏：面试题精选文章标签：编程 2010 graph null tree 算法

面试题精选专栏收录该内容

27 篇文章 1 订阅

订阅专栏

转自：http://www.cnblogs.com/miloyip/archive/2010/02/25/binary_tree_distance.html

昨天花了一个晚上为《编程之美》，在豆瓣写了一篇书评《迟来的书评和感想──给喜爱编程的朋友》。书评就不转载到这里了，取而代之，在这里介绍书里其中一条问题的另一个解法。这个解法比较简短易读及降低了空间复杂度，或者可以说觉得比较「美」吧。

问题定义

如果我们把二叉树看成一个图，父子节点之间的连线看成是双向的，我们姑且定义"距离"为两节点之间边的个数。写一个程序求一棵二叉树中相距最远的两个节点之间的距离。

书上的解法

书中对这个问题的分析是很清楚的，我尝试用自己的方式简短覆述。

计算一个二叉树的最大距离有两个情况:

情况A: 路径经过左子树的最深节点，通过根节点，再到右子树的最深节点。
情况B: 路径不穿过根节点，而是左子树或右子树的最大距离路径，取其大者。

只需要计算这两个情况的路径距离，并取其大者，就是该二叉树的最大距离。

我也想不到更好的分析方法。

但接着，原文的实现就不如上面的清楚 (源码可从这里下载):

 
     01// 数据结构定义 
 
     02struct  NODE 
 
     03{ 
 
     04NODE* pLeft; // 左子树 
 
     05NODE* pRight; // 右子树 
 
     06int nMaxLeft; // 左子树中的最长距离  
 
     07int nMaxRight; // 右子树中的最长距离 
 
     08char chValue; // 该节点的值  
 
     09}; 
 
     10
 
     11int  nMaxLen = 0; 
 
     12
 
     13// 寻找树中最长的两段距离 
 
     14void  FindMaxLen(NODE* pRoot) 
 
     15{ 
 
     16// 遍历到叶子节点，返回 
 
     17if(pRoot == NULL) 
 
     18{  
 
     19return; 
 
     20}  
 
     21
 
     22// 如果左子树为空，那么该节点的左边最长距离为0 
 
     23if(pRoot -> pLeft == NULL) 
 
     24{  
 
     25pRoot -> nMaxLeft = 0; 
 
     26}  
 
     27
 
     28// 如果右子树为空，那么该节点的右边最长距离为0 
 
     29if(pRoot -> pRight == NULL) 
 
     30{  
 
     31pRoot -> nMaxRight = 0; 
 
     32}  
 
     33
 
     34// 如果左子树不为空，递归寻找左子树最长距离 
 
     35if(pRoot -> pLeft != NULL) 
 
     36{  
 
     37FindMaxLen(pRoot -> pLeft); 
 
     38}  
 
     39
 
     40// 如果右子树不为空，递归寻找右子树最长距离 
 
     41if(pRoot -> pRight != NULL) 
 
     42{  
 
     43FindMaxLen(pRoot -> pRight); 
 
     44}  
 
     45
 
     46// 计算左子树最长节点距离 
 
     47if(pRoot -> pLeft != NULL) 
 
     48{  
 
     49int nTempMax = 0; 
 
     50if(pRoot -> pLeft -> nMaxLeft > pRoot -> pLeft -> nMaxRight) 
 
     51{  
 
     52nTempMax = pRoot -> pLeft -> nMaxLeft; 
 
     53}  
 
     54else
 
     55{  
 
     56nTempMax = pRoot -> pLeft -> nMaxRight; 
 
     57}  
 
     58pRoot -> nMaxLeft = nTempMax + 1; 
 
     59}  
 
     60
 
     61// 计算右子树最长节点距离 
 
     62if(pRoot -> pRight != NULL) 
 
     63{  
 
     64int nTempMax = 0; 
 
     65if(pRoot -> pRight -> nMaxLeft > pRoot -> pRight -> nMaxRight) 
 
     66{  
 
     67nTempMax = pRoot -> pRight -> nMaxLeft; 
 
     68}  
 
     69else
 
     70{  
 
     71nTempMax = pRoot -> pRight -> nMaxRight; 
 
     72}  
 
     73pRoot -> nMaxRight = nTempMax + 1; 
 
     74}  
 
     75
 
     76// 更新最长距离 
 
     77if(pRoot -> nMaxLeft + pRoot -> nMaxRight > nMaxLen) 
 
     78{  
 
     79nMaxLen = pRoot -> nMaxLeft + pRoot -> nMaxRight; 
 
     80}  
 
     81}

这段代码有几个缺点:

算法加入了侵入式(intrusive)的资料nMaxLeft, nMaxRight
使用了全局变量 nMaxLen。每次使用要额外初始化。而且就算是不同的独立资料，也不能在多个线程使用这个函数
逻辑比较复杂，也有许多 NULL 相关的条件测试。

我的尝试

我认为这个问题的核心是，情况A 及 B 需要不同的信息: A 需要子树的最大深度，B 需要子树的最大距离。只要函数能在一个节点同时计算及传回这两个信息，代码就可以很简单:

 
     01#include <iostream> 
 
     02
 
     03using  namespace std; 
 
     04
 
     05struct  NODE 
 
     06{ 
 
     07NODE *pLeft; 
 
     08NODE *pRight; 
 
     09}; 
 
     10
 
     11struct  RESULT 
 
     12{ 
 
     13int nMaxDistance; 
 
     14int nMaxDepth; 
 
     15}; 
 
     16
 
     17RESULT GetMaximumDistance(NODE* root) 
 
     18{ 
 
     19if (!root) 
 
     20{  
 
     21RESULT empty = { 0, -1 }; // trick: nMaxDepth is -1 and then caller will plus 1 to balance it as zero. 
 
     22return empty; 
 
     23}  
 
     24
 
     25RESULT lhs = GetMaximumDistance(root->pLeft); 
 
     26RESULT rhs = GetMaximumDistance(root->pRight); 
 
     27
 
     28RESULT result; 
 
     29result.nMaxDepth = max(lhs.nMaxDepth + 1, rhs.nMaxDepth + 1); 
 
     30result.nMaxDistance = max(max(lhs.nMaxDistance, rhs.nMaxDistance), lhs.nMaxDepth + rhs.nMaxDepth + 2); 
 
     31return result; 
 
     32}

计算 result 的代码很清楚；nMaxDepth 就是左子树和右子树的深度加1；nMaxDistance 则取 A 和 B 情况的最大值。

为了减少 NULL 的条件测试，进入函数时，如果节点为 NULL，会传回一个 empty 变量。比较奇怪的是 empty.nMaxDepth = -1，目的是让调用方 +1 后，把当前的不存在的 (NULL) 子树当成最大深度为 0。

除了提高了可读性，这个解法的另一个优点是减少了 O(节点数目) 大小的侵入式资料，而改为使用 O(树的最大深度) 大小的栈空间。这个设计使函数完全没有副作用(side effect)。

测试代码

以下也提供测试代码给读者参考 (页数是根据第7次印刷，节点是由上至下、左至右编号):

 
     01void  Link(NODE* nodes, int  parent, int left, int right)  
 
     02{ 
 
     03if (left != -1) 
 
     04nodes[parent].pLeft = &nodes[left]; 
 
     05
 
     06if (right != -1) 
 
     07nodes[parent].pRight = &nodes[right]; 
 
     08} 
 
     09
 
     10void  main() 
 
     11{ 
 
     12// P. 241 Graph 3-12 
 
     13NODE test1[9] = { 0 }; 
 
     14Link(test1, 0, 1, 2); 
 
     15Link(test1, 1, 3, 4); 
 
     16Link(test1, 2, 5, 6); 
 
     17Link(test1, 3, 7, -1); 
 
     18Link(test1, 5, -1, 8); 
 
     19cout <<  "test1: " << GetMaximumDistance(&test1[0]).nMaxDistance << endl; 
 
     20
 
     21// P. 242 Graph 3-13 left 
 
     22NODE test2[4] = { 0 }; 
 
     23Link(test2, 0, 1, 2); 
 
     24Link(test2, 1, 3, -1); 
 
     25cout <<  "test2: " << GetMaximumDistance(&test2[0]).nMaxDistance << endl; 
 
     26
 
     27// P. 242 Graph 3-13 right 
 
     28NODE test3[9] = { 0 }; 
 
     29Link(test3, 0, -1, 1); 
 
     30Link(test3, 1, 2, 3); 
 
     31Link(test3, 2, 4, -1); 
 
     32Link(test3, 3, 5, 6); 
 
     33Link(test3, 4, 7, -1); 
 
     34Link(test3, 5, -1, 8); 
 
     35cout <<  "test3: " << GetMaximumDistance(&test3[0]).nMaxDistance << endl; 
 
     36
 
     37// P. 242 Graph 3-14 
 
     38// Same as Graph 3-2, not test 
 
     39
 
     40// P. 243 Graph 3-15 
 
     41NODE test4[9] = { 0 }; 
 
     42Link(test4, 0, 1, 2); 
 
     43Link(test4, 1, 3, 4); 
 
     44Link(test4, 3, 5, 6); 
 
     45Link(test4, 5, 7, -1); 
 
     46Link(test4, 6, -1, 8); 
 
     47cout <<  "test4: " << GetMaximumDistance(&test4[0]).nMaxDistance << endl; 
 
     48}

你想到更好的解法吗?

分类: 数据结构和算法

绿色通道：好文要顶关注我收藏该文与我联系

Milo Yip
关注 - 31
粉丝 - 496

荣誉：推荐博客

+加关注

« 博主前一篇：混合语言的游戏开发系统架构
» 博主后一篇：解构Unity的腳本物件模型

Categories: 数据结构和算法

Add your comment

21 条回复

1929379

#1楼 yeka 2010-02-25 06:30
Milo又熬夜啦.......
　回复　引用　查看　
#2楼陈硕 2010-02-25 08:56
第 19~21 行有线程安全问题：

static const RESULT empty = { 0, -1 }; // trick: nMaxDepth is -1 and then caller will plus 1 to balance it as zero.
if (!root)
return empty;

建议改为：

if (!root) {
RESULT empty = { 0, -1 }; // trick: nMaxDepth is -1 and then caller will plus 1 to balance it as zero.
return empty;
// trust compiler, POD data will be optimized well.
}

因为按标准，function static variable 只在函数第一次调用时初始化，这个的初始化只有在最新的编译器里才是线程安全的。
在旧的编译器（GCC 3 及以前）上，原来的写法可能会读到 partial initialized 'empty' 变量，如果两个线程同时（首次）调用 GetMaximumDistance 的话。
　回复　引用　查看　
#3楼秋醒半梦时[未注册用户]2010-02-25 09:12
这不就是求树的直径的问题吗？
树的直径最简单的解法(无论是几叉)：
从任意一点i一次BFS找到树中与他距离最远的点j，从j再一次BFS找到树中里j最远的点k,那么D[j][k](j与k的距离)即为答案。

稍微好理解的方法：树形动态规划
　回复　引用　
#4楼 Dbger 2010-02-25 10:07
@陈硕
如果非要考虑多线程安全，我倾向于用“全局变量”来表示这些常用的常量，就和向量，矩阵类中一些单元向量，单元矩阵等。
　回复　引用　查看　
#5楼 Jeffrey Zhao 2010-02-25 10:46
我觉得直接把递归语意翻译过来最直接和清晰吧：

view source print ?

01 type BinaryTree =

02 | Node of BinaryTree * BinaryTree

03 | Empty

04

05 let rec height (tree: BinaryTree) =

06 match tree with

07 | Empty -> 0

08 | Node (l, r) -> 1 + max (height l) (height r)

09

10 let rec calculate (tree: BinaryTree) =

11 match tree with

12 | Empty -> 0

13 | Node (l, r) ->

14 (height l) + (height r)

15 |> max (calculate l)

16 |> max (calculate r)

这里我用了F#，不过C#，C++其实也是一回事情吧。
　回复　引用　查看　
#6楼 Todd Wei 2010-02-25 12:11
@秋醒半梦时
进行两次BFS：先从树根A出发进行广度优先搜索(BFS)，找到最远的结点B，然后再从结点B出BFS，找到离B最远的结点C，BC就是最大距离。

下面是正确性证明
假设存在结点X和Y，它们的距离是所有结点中最大的；分两种情况讨论：
1. 若路径XY与路径AB有交点O，
...A
...|
X-O--Y
...|
...B
由于|OB| >= |OX|且|OB| >= |OY|，所以，|BX| >= |XY|，|BY| >= |XY|。即从B出发可以构造出最长路径。

2.若路径XY与路径AB无交点，
A...B X...Y
A是树根，XY与B分属不同的子树，假设XY的最近祖先为O，由于
|AB| >= |AO| + |AX|，所以|BY| = |AB| + |AO| + |OY| > |XY|。即从B出发构造出长于XY的路径，与假设XY是最长路径矛盾。
　回复　引用　查看　
#7楼 [楼主] Milo Yip 2010-02-25 12:19
@Dbger
@陈硕
我覺得兩個方法都可以解決潛在的多線程問題。我現在先相信compiler，改用了陳碩的寫法。
從另一個角度看這個問題，local static variable是會做成side effect，所以 thread-safe 會不成立。
　回复　引用　查看　
#8楼 [楼主] Milo Yip 2010-02-25 12:40
@Jeffrey Zhao
我未學過任何一個 functional programming 語言。希望趙大能指正不對的地方。

用 FP 的確可以增加可讀性，同時能減少錯誤的機會。

FP 能對 pure function 用自動的 cache optimization，這是優點也是缺點。如果沒有這優化，在你提供的代碼中，height 的調用次數估計是 O(n^2)；而有了這優化，就需要O(n)的空間去儲存n 個 height()的運算結果。而這優化我估計應該需要做 table lookup，帶來額外 overhead。

我的嘗試中，並不需要O(n)的額外空間，而且仍維持每節點只遍歷一次。

又反過來說，在效能上，FP 的好處是可以自動做並行，用 procedural 語言手動做這個就會顯得複雜。
　回复　引用　查看　
#9楼 [楼主] Milo Yip 2010-02-25 13:09
@Todd Wei
@秋醒半梦时
多謝你們的回應，我方知道這個「距離」應該是叫「直徑」(Tree Diameter)。

這該我找到一點參考文章:
http://www.cs.duke.edu/courses/spring00/cps100/assign/trees/diameter.html
http://www.cs.cmu.edu/afs/cs.cmu.edu/project/phrensy/pub/papers/LeisersonM88/node17.html

發現前一篇文章基本上和Jeffrey的嘗試一樣，但用 procedural programming 會有O(N^2)的 height() 調用。我覺得我寫的邊界條件(那個trick)可能不需要，今晚回家試試。

第二篇談到的幾個詞彙我都不太認識，可能要再多看一些參考。也想請教，用 BFS 的方法會比現時的方法簡單或高效麼? 還是現時的方法實際上有錯誤?
　回复　引用　查看　
#10楼 Todd Wei 2010-02-25 13:20
@Milo Yip
BFS是O(N)的，所以复杂度更低。特别是基于BFS的方法不局限于2叉树，而前面递归方法在多叉树情况下复杂度会更高。
　回复　引用　查看　
#11楼 Jeffrey Zhao 2010-02-25 13:23
@Milo Yip
其实你的算法还是用了O(h)的空间啦，h是高度，（非尾）递归算法嘛，栈空间是省不了的。
的确这里height会反复调用，所以如果必要的话，还是要做memorization的。
作了momorization以后，时间和空间“复杂度”和你的过程式算法是一致的了。
　回复　引用　查看　
#12楼 [楼主] Milo Yip 2010-02-25 13:31
@Jeffrey Zhao

引用 Jeffrey Zhao：
@Milo Yip
其实你的算法还是用了O(h)的空间啦，h是高度，（非尾）递归算法嘛，栈空间是省不了的。
的确这里height会反复调用，所以如果必要的话，还是要做memorization的。
作了momorization以后，时间和空间“复杂度”和你的过程式算法是一致的了。

本文也提及，我的嘗試用了O(h)的棧空間代替原文的O(n) intrusive data，而你寫的height函數的memorization空間是O(n)。因為 h <= n，O(h)應該是比 O(n)好吧。
　回复　引用　查看　
#13楼 [楼主] Milo Yip 2010-02-25 13:36

引用 Todd Wei：
@Milo Yip
BFS是O(N)的，所以复杂度更低。特别是基于BFS的方法不局限于2叉树，而前面递归方法在多叉树情况下复杂度会更高。

我的嘗試也是O(N)，而且只需遍歷一次。跟據你的描述，BFS要做兩次，而且要加入parent? 不過對於一般的多叉樹，可能BFS的方法是最好的方法。
　回复　引用　查看　
#14楼 Todd Wei 2010-02-25 15:09
@Milo Yip
哦，是的，你的递归也是O(N)，开始分析错了。

树哪个结点作为parent没关系，任选即可。图论里面对树的一种定义方式是：具有n个结点和n+1条边的连通图。
　回复　引用　查看　
#15楼郑晖 2010-02-25 16:06
@Milo Yip
>>我方知道這個「距離」應該是叫「直徑」(Tree Diameter)。
的确是“直径”——在数学中直径的定义是：一个距离空间中任意两点间距离的上确界(supremum)。
　回复　引用　查看　
#16楼秋醒半梦时[未注册用户]2010-02-25 17:03

引用 Todd Wei：
@Milo Yip
哦，是的，你的递归也是O(N)，开始分析错了。

树哪个结点作为parent没关系，任选即可。图论里面对树的一种定义方式是：具有n个结点和n+1条边的连通图。

我所了解的树的定义是：一个无环的无向图
　回复　引用　
#17楼 [楼主] Milo Yip 2010-02-25 17:04
@郑晖

引用郑晖：
@Milo Yip
>>我方知道這個「距離」應該是叫「直徑」(Tree Diameter)。
的确是“直径”——在数学中直径的定义是：一个距离空间中任意两点间距离的上确界(supremum)。

謝謝鄭老師的數學指導。在網上找到了關於這個的定義:

http://mathworld.wolfram.com/GeneralizedDiameter.html
http://mathworld.wolfram.com/Supremum.html

　回复　引用　查看　
#18楼郑晖 2010-02-25 17:17

引用 Milo Yip：

引用郑晖：
@Milo Yip
>>我方知道這個「距離」應該是叫「直徑」(Tree Diameter)。
的确是“直径”——在数学中直径的定义是：一个距离空间中任意两点间距离的上确界(supremum)。

謝謝鄭老師的數學指導。在網上找到了關於這個的定義:

http://mathworld.wolfram.com/GeneralizedDiameter.html
http://mathworld.wolfram.com/Supremum.html

http://mathworld.wolfram.com/GeneralizedDiameter.html
上面对的直径定义尚不足够general，它只提到了欧氏空间（Euclidean space R^n ），
实际可扩展到更广泛的距离空间（metric space）。事实上，你这里提到的树就不是欧氏空间（因为这里的距离并非欧氏距离）。
　回复　引用　查看　
#19楼 [楼主] Milo Yip 2010-02-25 17:27
@郑晖
是的，我理解只要是 metric 就可以定義 diameter。
　回复　引用　查看　
#20楼 flyinghearts 2010-05-19 14:05
这是我的解法：
http://blog.csdn.net/flyinghearts/archive/2010/05/19/5605995.aspx

欢迎大家指正。
　回复　引用　查看　
#21楼 gzroy 2010-10-06 18:24
这是我的递归解法，欢迎交流：
http://blog.csdn.net/yui/archive/2010/10/06/5924020.aspx
　回复　引用　查看

xjbzju

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
《编程之美: 求二叉树中节点的最大距离》的另一个解法（转）

转自：http://www.cnblogs.com/miloyip/archive/2010/02/25/binary_tree_distance.html 昨天花了一个晚上为《编程之美》，在豆瓣写了一篇书评《迟来的书评和感想──给喜爱编程的朋友》。书评就不转载到这里了，取而代之，在这里介绍书里其中一条问题的另一个解法。这个解法比较简短易读及降低了空间复杂度，或者可以说觉得比较「美
复制链接

扫一扫