Leetcode数据结构&算法：二叉树

最新推荐文章于 2022-07-17 14:55:14 发布

yfy2022yfy

最新推荐文章于 2022-07-17 14:55:14 发布

阅读量216

点赞数

分类专栏：数据结构&算法文章标签：数据结构算法二叉树

本文链接：https://blog.csdn.net/yfy1127yfy/article/details/103090225

版权

数据结构&算法专栏收录该内容

14 篇文章 0 订阅

订阅专栏

一、介绍

树 是一种经常用到的数据结构，用来模拟具有树状结构性质的数据集合。

树里的每一个节点有一个根植和一个包含所有子节点的列表。从图的观点来看，树也可视为一个拥有N 个节点和 N-1条边的一个有向无环图。

二叉树是一种更为典型的树树状结构。如它名字所描述的那样，二叉树是每个节点最多有两个子树的树结构，通常子树被称作“左子树”和“右子树”。

二、树的遍历

树的遍历分为以下几种：

前序遍历
中序遍历
后序遍历
层序遍历

我个人感觉，前三个让人联想到深度优先搜索，最后一个让人联想到广度优先搜索。

（1）前序遍历

前序遍历首先访问根节点，然后遍历左子树，最后遍历右子树。

遍历时节点的处理顺序如图中表格所示。

（2）中序遍历

中序遍历是先遍历左子树，然后访问根节点，然后遍历右子树。

遍历时节点的处理顺序如图中表格所示。通常来说，对于二叉搜索树，通过中序遍历可以得到一个递增的有序序列。

（3）后序遍历

后序遍历是先遍历左子树，然后遍历右子树，最后访问树的根节点。

值得注意的是，当你删除树中的节点时，删除过程将按照后序遍历的顺序进行。

也就是说，当你删除一个节点时，你将首先删除它的左节点和它的右边的节点，然后再删除节点本身。

另外，后序在数学表达中被广泛使用。编写程序来解析后缀表示法更为容易。这里是一个例子：

可以使用中序遍历轻松找出原始表达式，但是程序处理这个表达式时并不容易，因为你必须检查操作的优先级。

如果你想对这棵树进行后序遍历，使用栈来处理表达式会变得更加容易。每遇到一个操作符，就可以从栈中弹出栈顶的两个元素，计算并将结果返回到栈中。

（4）层序遍历

层序遍历就是逐层遍历树结构。

广度优先搜索是一种广泛运用在树或图这类数据结构中，遍历或搜索的算法。该算法从一个根节点开始，首先访问节点本身。然后遍历它的相邻节点，其次遍历它的二级邻节点、三级邻节点，以此类推。

通常，我们使用一个叫做队列的数据结构来帮助我们做广度优先搜索。

三、树问题的递归解决

递归是解决树的相关问题最有效和最常用的方法之一。

树可以以递归的方式定义为一个节点（根节点），它包括一个值和一个指向其他节点指针的列表。递归是树的特性之一。因此，许多树问题可以通过递归的方式来解决。对于每个递归层级，我们只能关注单个节点内的问题，并通过递归调用函数来解决其子节点问题。

（1）“自顶向下” 的解决方案

“自顶向下” 意味着在每个递归层级，我们将首先访问节点来计算一些值，并在递归调用函数时将这些值传递到子节点。所以 “自顶向下” 的解决方案可以被认为是一种前序遍历。具体来说，递归函数 top_down(root, params) 的原理是这样的：

1. return specific value for null node
2. update the answer if needed                      // anwer <-- params
3. left_ans = top_down(root.left, left_params)      // left_params <-- root.val, params
4. right_ans = top_down(root.right, right_params)   // right_params <-- root.val, params
5. return the answer if needed                      // answer <-- left_ans, right_ans

例如，给定一个二叉树，请寻找它的最大深度。

我们知道根节点的深度是1。对于每个节点，如果我们知道某节点的深度，那我们将知道它子节点的深度。因此，在调用递归函数的时候，将节点的深度传递为一个参数，那么所有的节点都知道它们自身的深度。而对于叶节点，我们可以通过更新深度从而获取最终答案。这里是递归函数 maximum_depth(root, depth) 的伪代码：

1. return if root is null
2. if root is a leaf node:
3.      answer = max(answer, depth)         // update the answer if needed
4. maximum_depth(root.left, depth + 1)      // call the function recursively for left child
5. maximum_depth(root.right, depth + 1)     // call the function recursively for right child

C++代码如下

int answer;		       // don't forget to initialize answer before call maximum_depth
void maximum_depth(TreeNode* root, int depth) {
    if (!root) {
        return;
    }
    if (!root->left && !root->right) {
        answer = max(answer, depth);
    }
    maximum_depth(root->left, depth + 1);
    maximum_depth(root->right, depth + 1);
}

（2）“自底向上” 的解决方案

在每个递归层次上，我们首先对所有子节点递归地调用函数，然后根据返回值和根节点本身的值得到答案。这个过程可以看作是后序遍历的一种。通常， “自底向上” 的递归函数 bottom_up(root) 为如下所示：

1. return specific value for null node
2. left_ans = bottom_up(root.left)          // call function recursively for left child
3. right_ans = bottom_up(root.right)        // call function recursively for right child
4. return answers                           // answer <-- left_ans, right_ans, root.val

对于树的单个节点，以节点自身为根的子树的最大深度x是多少？

如果，以其左子节点为根的最大深度为 l 和以其右子节点为根的最大深度为 r ，选择它们之间的最大值，再加上1来获得根节点所在的子树的最大深度。那就是 x = max（l，r）+ 1。

这意味着对于每一个节点来说，我们都可以在解决它子节点的问题之后得到答案。下面是递归函数 maximum_depth(root) 的伪代码：

1. return 0 if root is null                 // return 0 for null node
2. left_depth = maximum_depth(root.left)
3. right_depth = maximum_depth(root.right)
4. return max(left_depth, right_depth) + 1  // return depth of the subtree rooted at root

C++代码如下：

int maximum_depth(TreeNode* root) {
	if (!root) {
		return 0;                                 // return 0 for null node
	}
	int left_depth = maximum_depth(root->left);
	int right_depth = maximum_depth(root->right);
	return max(left_depth, right_depth) + 1;	  // return depth of the subtree rooted at root
}

当遇到树问题时，请先思考一下两个问题：