二叉树的遍历
概述
二叉树作为一个基础的数据结构,遍历算法作为一个基础的算法,两者结合当然是经典的组合了。很多题目都会有 ta 的身影,有直接问二叉树的遍历的,有间接问的。比如要你找到树中满足条件的节点,就是间接考察树的遍历,因为你要找到树中满足条件的点,就需要进行遍历。
你如果掌握了二叉树的遍历,那么也许其他复杂的树对于你来说也并不遥远了
二叉数的遍历主要有前中后遍历和层次遍历。 前中后属于 DFS,层次遍历则可以使用 BFS 或者 DFS 来实现。只不过使用 BFS 来实现层次遍历会容易些,因为层次遍历就是 BFS 的副产物啊,你可以将层次遍历看成没有提前终止的 BFS
DFS 和 BFS 都有着自己的应用,比如 leetcode 301 号问题和 609 号问题。
DFS 都可以使用栈来简化操作,并且其实树本身是一种递归的数据结构,因此递归和栈对于 DFS 来说是两个关键点。
DFS 图解:
![](https://leetcode-solution-leetcode-pp.gitbook.io/~gitbook/image?url=https%3A%2F%2Fp.ipic.vip%2Fphae05.gif&width=768&dpr=4&quality=100&sign=762d7e42&sv=1)
(图片来自 https://github.com/trekhleb/javascript-algorithms/tree/master/src/algorithms/tree/depth-first-search)
BFS 的关键点在于如何记录每一层次是否遍历完成, 我们可以用一个标识位来表式当前层的结束。
对于前中后序遍历来说。首先不管是前中还是后序遍历,变的只是根节点的位置, 左右节点的顺序永远是先左后右。 比如前序遍历就是根在前面,即根左右。中序就是根在中间,即左根右。后序就是根在后面,即左右根。
下面我们依次讲解:
前序遍历
相关问题144.binary-tree-preorder-traversal
前序遍历的顺序是根-左-右
思路是:
先将根结点入栈
出栈一个元素,将右节点和左节点依次入栈
重复 2 的步骤
总结: 典型的递归数据结构,典型的用栈来简化操作的算法。
其实从宏观上表现为:自顶向下依次访问左侧链,然后自底向上依次访问右侧链
,如果从这个角度出发去写的话,算法就不一样了。从上向下我们可以直接递归访问即可,从下向上我们只需要借助栈也可以轻易做到。
整个过程大概是这样:
![](https://leetcode-solution-leetcode-pp.gitbook.io/~gitbook/image?url=https%3A%2F%2Fp.ipic.vip%2Fei0wj1.jpg&width=768&dpr=4&quality=100&sign=368bc1bc&sv=1)
这种思路有一个好处就是可以统一三种遍历的思路
. 这个很重要,如果不了解的朋友,希望能够记住这一点。
中序遍历
相关问题94.binary-tree-inorder-traversal
中序遍历的顺序是 左-根-右
,根节点不是先输出,这就有一点点复杂了。
根节点入栈
判断有没有左节点,如果有,则入栈,直到叶子节点
此时栈中保存的就是所有的左节点和根节点。
出栈,判断有没有右节点,有则入栈,继续执行 2
值得注意的是,中序遍历一个二叉查找树(BST)的结果是一个有序数组,利用这个性质有些题目可以得到简化, 比如230.kth-smallest-element-in-a-bst, 以及98.validate-binary-search-tree
后序遍历
相关问题145.binary-tree-postorder-traversal
后序遍历的顺序是 左-右-根
这个就有点难度了,要不也不会是 leetcode 困难的 难度啊。
其实这个也是属于根节点先不输出,并且根节点是最后输出。 这里可以采用一种讨巧的做法, 就是记录当前节点状态,如果:
当前节点是叶子节点或者
当前节点的左右子树都已经遍历过了,那么就可以出栈了。
对于 1. 当前节点是叶子节点
,这个比较好判断,只要判断 left 和 rigt 是否同时为 null 就好。
对于 2. 当前节点的左右子树都已经遍历过了
, 只需要用一个变量记录即可。最坏的情况,我们记录每一个节点的访问状况就好了,空间复杂度 O(n) 但是仔细想一下,我们使用了栈的结构,从叶子节点开始输出,我们记录一个当前出栈的元素就好了,空间复杂度 O(1), 具体请查看上方链接。
层次遍历
层次遍历的关键点在于如何记录每一层次是否遍历完成, 我们可以用一个标识位来表式当前层的结束。
![](https://leetcode-solution-leetcode-pp.gitbook.io/~gitbook/image?url=https%3A%2F%2Fp.ipic.vip%2F9z2nxw.gif&width=768&dpr=4&quality=100&sign=c652eb7&sv=1)
(图片来自 https://github.com/trekhleb/javascript-algorithms/tree/master/src/algorithms/tree/breadth-first-search)
具体做法:
根节点入队列, 并入队列一个特殊的标识位,此处是 null
出队列
判断是不是 null, 如果是则代表本层已经结束。我们再次判断是否当前队列为空,如果不为空继续入队一个 null,否则说明遍历已经完成,我们什么都不不用做
如果不为 null,说明这一层还没完,则将其左右子树依次入队列。
相关问题:
双色标记法
我们知道垃圾回收算法中,有一种算法叫三色标记法。 即:
用白色表示尚未访问
灰色表示尚未完全访问子节点
黑色表示子节点全部访问
那么我们可以模仿其思想,使用双色标记法来统一三种遍历。
其核心思想如下:
使用颜色标记节点的状态,新节点为白色,已访问的节点为灰色。
如果遇到的节点为白色,则将其标记为灰色,然后将其右子节点、自身、左子节点依次入栈。
如果遇到的节点为灰色,则将节点的值输出。
使用这种方法实现的中序遍历如下:
可以看出,实现上 WHITE 就表示的是递归中的第一次进入过程,Gray 则表示递归中的从叶子节点返回的过程。 因此这种迭代的写法更接近递归写法的本质。
如要实现前序、后序遍历,只需要调整左右子节点的入栈顺序即可。可以看出使用三色标记法, 其写法类似递归的形式,因此便于记忆和书写,缺点是使用了额外的内存空间。不过这个额外的空间是线性的,影响倒是不大。
虽然递归也是额外的线性时间,但是递归的栈开销还是比一个 0,1 变量开销大的。换句话说就是空间复杂度的常数项是不同的,这在一些情况下的差异还是蛮明显的。
划重点:双色迭代法是一种可以用迭代模拟递归的写法,其写法和递归非常相似,要比普通迭代简单地多。
Morris 遍历
我们可以使用一种叫做 Morris 遍历的方法,既不使用递归也不借助于栈。从而在 $O(1)$ 空间完成这个过程。
如果你需要使用 $O(1)$ 空间遍历一棵二叉树,那么就要使用 Morris 遍历。
这个算法考察相对少,作为了解即可。
划重点:Morris 是一种可以在 $O(1)$ 空间遍历二叉树的算法。
总结
本文详细讲解了二叉树的层次遍历和深度优先遍历。
对于深度优先遍历,我们又细分为前中后序三种遍历方式。
最后我们讲解了双色遍历和 Morris 遍历。这两种方式可以作为了解,不掌握也没关系。
另外,如果题目要求你实现迭代器(就是调用一次输出一个二叉树的值),那么前面讲的迭代的方式就非常适用了。比如这道题 Binary Search Tree Iterator
相关专题
相关题目
最后更新于