另一种二叉树非递归遍历的实现

众所周知,二叉树的递归遍历十分简单,只有短短几行代码,而且三种遍历方式的代码几乎相同。而传统非递归方法的遍历无论是从代码上,还是理解上,都比递归方法要麻烦不少,尤其是后序遍历最为麻烦。为什么非递归版本的代码就不能像递归版本那样优美呢?其实,非递归版本也是可以做到的。

下面给出二叉树前中后序非递归遍历的代码,前序和后序在LeetCode上都通过了评测,如有错误,欢迎大牛指出。

#include <vector>
#include <stack>
using namespace std;
class Solution {
public:
    vector<int> vec;
    vector<int> preorderTraversal(TreeNode *root) {
        stack<pair<int, TreeNode*> > st;
        vec.clear();
        st.push(make_pair(1,root));
        while (!st.empty()) {
            pair<int, TreeNode*> p = st.top(); st.pop();
            TreeNode *node = p.second;
            if (node == NULL) continue;
            if (p.first == 0)
                vec.push_back(node->val);
            else {
                st.push(make_pair(1, node->right));
                st.push(make_pair(1, node->left));
                st.push(make_pair(0, node));
            }
        }
        return vec;
    }
    vector<int> inorderTraversal(TreeNode *root) {
        stack<pair<int, TreeNode*> > st;
        vec.clear();
        st.push(make_pair(1,root));
        while (!st.empty()) {
            pair<int, TreeNode*> p = st.top(); st.pop();
            TreeNode *node = p.second;
            if (node == NULL) continue;
            if (p.first == 0)
                vec.push_back(node->val);
            else {
                st.push(make_pair(1, node->right));
                st.push(make_pair(0, node));
                st.push(make_pair(1, node->left));
            }
        }
        return vec;
    }
    vector<int> postorderTraversal(TreeNode *root) {
        stack<pair<int, TreeNode*> > st;
        vec.clear();
        st.push(make_pair(1,root));
        while (!st.empty()) {
            pair<int, TreeNode*> p = st.top(); st.pop();
            TreeNode *node = p.second;
            if (node == NULL) continue;
            if (p.first == 0)
                vec.push_back(node->val);
            else {
                st.push(make_pair(0, node));
                st.push(make_pair(1, node->right));
                st.push(make_pair(1, node->left));
            }
        }
        return vec;
    }
};

可以看到,前中后序遍历的代码仅仅是st.push(make_pair(0, node))这行代码的位置有所变化,算法的时间复杂度和空间复杂度都是O(N)。其中pair中的第一个数表示操作类型,0代表的是打印值操作,1代表的是遍历操作。

程序的原理并不难理解,了解递归的人应该都知道,递归实际上就是一个压栈出栈的过程,程序正是模拟了这一过程。拿后序递归遍历来说,由遍历左子树、遍历右子树、打印值三个操作组成,我们可以反过来依次将打印值、遍历右子树、遍历左子树三个操作压入栈中,之后遍历左子树操作首先出栈,做完遍历左子树操作后,遍历右子树操作出栈,操作完成后打印值值操作出栈,最后程序执行完毕,这个过程和递归的过程实际上是完全一样的。


最后附上我的传统非递归版本的代码作为比较,其实前序和中序都是蛮简单的,一个在入栈时打印,一个在出栈时打印,后序要麻烦些,我们可以注意到在后序遍历中一个点如果要被打印,那么要么它是叶子节点,要么它的右孩子为空并且左孩子刚刚被打印,要么它的右孩子刚刚被打印,根据这个特点就可以写出非递归后序遍历的算法了,另外就是要注意后序遍历要在打印后才能出栈。

class Solution {
public:
    vector<int> vec;
    vector<int> preorderTraversal(TreeNode *root) {
        stack<TreeNode*> st;
        vec.clear();
        TreeNode *T = root;
        while (T || !st.empty()) {
            if (T) {
                vec.push_back(T->val);
                st.push(T);
                T = T->left;
            } else {
                T = st.top(); st.pop();
                T = T->right;
            }
        }
        return vec;
    }
    vector<int> inorderTraversal(TreeNode *root) {
        stack<TreeNode*> st;
        vec.clear();
        TreeNode *T = root;
        while (T || !st.empty()) {
            if (T) {
                st.push(T);
                T = T->left;
            } else {
                T = st.top(); st.pop();
                vec.push_back(T->val);
                T = T->right;
            }
        }
        return vec;
    }
    vector<int> postorderTraversal(TreeNode *root) {
        stack<TreeNode*> st;
        vec.clear();
        TreeNode *T = root, *last = NULL;
        while (T || !st.empty()) {
            if (T) {
                st.push(T);
                T = T->left;
            } else {
                T = st.top();
                if ((!T->left && !T->right) || (T->left == last && !T->right)
                    || (T->right == last)) {
                    vec.push_back(T->val);
                    last = T, T = NULL;
                    st.pop();
                } else {
                    T = T->right;
                }
            }
        }
        return vec;
    }
};

最后的最后,二叉树的遍历还有个空间复杂度的为O(1)的Morris算法,没有使用栈来实现,而是使用了线索二叉树的概念,也是十分巧妙的,有兴趣的童鞋可以Google一下。

OK,就到这里了。如果以上程序有什么错误,欢迎大牛批评指出。

以下是对提供的参考资料的总结,按照要求结构化多个要点分条输出: 4G/5G无线网络优化与网规案例分析: NSA站点下终端掉4G问题:部分用户反馈NSA终端频繁掉4G,主要因终端主动发起SCGfail导致。分析显示,在信号较好的环境下,终端可能因节能、过热保护等原因主动释放连接。解决方案建议终端侧进行分析处理,尝试关闭节电开关等。 RSSI算法识别天馈遮挡:通过计算RSSI平均值及差值识别天馈遮挡,差值大于3dB则认定有遮挡。不同设备分组规则不同,如64T和32T。此方法可有效帮助现场人员识别因环境变化引起的网络问题。 5G 160M组网小区CA不生效:某5G站点开启100M+60M CA功能后,测试发现UE无法正常使用CA功能。问题原因在于CA频点集标识配置错误,修正后测试正常。 5G网络优化与策略: CCE映射方式优化:针对诺基亚站点覆盖农村区域,通过优化CCE资源映射方式(交织、非交织),提升RRC连接建立成功率和无线接通率。非交织方式相比交织方式有显著提升。 5G AAU两扇区组网:与三扇区组网相比,AAU两扇区组网在RSRP、SINR、下载速率和上传速率上表现不同,需根据具体场景选择适合的组网方式。 5G语音解决方案:包括沿用4G语音解决方案、EPS Fallback方案和VoNR方案。不同方案适用于不同的5G组网策略,如NSA和SA,并影响语音连续性和网络覆盖。 4G网络优化与资源利用: 4G室分设备利旧:面对4G网络投资压减与资源需求矛盾,提出利旧多维度调优策略,包括资源整合、统筹调配既有资源,以满足新增需求和提质增效。 宏站RRU设备1托N射灯:针对5G深度覆盖需求,研究使用宏站AAU结合1托N射灯方案,快速便捷地开通5G站点,提升深度覆盖能力。 基站与流程管理: 爱立信LTE基站邻区添加流程:未提供具体内容,但通常涉及邻区规划、参数配置、测试验证等步骤,以确保基站间顺畅切换和覆盖连续性。 网络规划与策略: 新高铁跨海大桥覆盖方案试点:虽未提供详细内容,但可推测涉及高铁跨海大桥区域的4G/5G网络覆盖规划,需考虑信号穿透、移动性管理、网络容量等因素。 总结: 提供的参考资料涵盖了4G/5G无线网络优化、网规案例分析、网络优化策略、资源利用、基站管理等多个方面。 通过具体案例分析,展示了无线网络优化中的常见问题及解决方案,如NSA终端掉4G、RSSI识别天馈遮挡、CA不生效等。 强调了5G网络优化与策略的重要性,包括CCE映射方式优化、5G语音解决方案、AAU扇区组网选择等。 提出了4G网络优化与资源利用的策略,如室分设备利旧、宏站RRU设备1托N射灯等。 基站与流程管理方面,提到了爱立信LTE基站邻区添加流程,但未给出具体细节。 新高铁跨海大桥覆盖方案试点展示了特殊场景下的网络规划需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值