废话不多说,喊一句号子鼓励自己:程序员永不失业,程序员走向架构!本篇Blog的主题是【二叉树的节点查找】,使用【二叉树】这个基本的数据结构来实现,这个高频题的站点是:CodeTop,筛选条件为:目标公司+最近一年+出现频率排序,由高到低的去牛客TOP101去找,只有两个地方都出现过才做这道题(CodeTop本身汇聚了LeetCode的来源),确保刷的题都是高频要面试考的题。
明确目标题后,附上题目链接,后期可以依据解题思路反复快速练习,题目按照题干的基本数据结构分类,且每个分类的第一篇必定是对基础数据结构的介绍。
路径总和I【EASY】
先来个初级版本的,只需要确定是否存在这样的路径和
题干
解题思路
既然是检查从根到叶子有没有一条等于目标值的路径,那肯定需要从根节点遍历到叶子,我们可以在根节点每次往下一层的时候,将sum减去节点值,最后检查是否完整等于0. 而遍历的方法我们可以选取二叉树常用的递归前序遍历,因为每次进入一个子节点,更新sum值以后,相当于对子树查找有没有等于新目标值的路径,因此这就是子问题,递归的三段式为
- 终止条件: 每当遇到节点为空,意味着过了叶子节点,返回。每当检查到某个节点没有子节点,它就是叶子节点,此时sum减去叶子节点值刚好为0,说明找到了路径。
- 返回值: 将子问题中是否有符合新目标值的路径层层往上返回。
- 本级任务: 每一级需要检查是否到了叶子节点,如果没有则递归地进入子节点,同时更新sum值减掉本层的节点值。
代码实现
给出代码实现基本档案
基本数据结构:二叉树
辅助数据结构:无
算法:递归、DFS
技巧:无
其中数据结构、算法和技巧分别来自:
- 10 个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧:双指针、滑动窗口、中心扩散
当然包括但不限于以上
import java.util.*; /* * public class TreeNode { * int val = 0; * TreeNode left = null; * TreeNode right = null; * public TreeNode(int val) { * this.val = val; * } * } */ public class Solution { /** * 代码中的类名、方法名、参数名已经指定,请勿修改,直接返回方法规定的值即可 * * * @param root TreeNode类 * @param sum int整型 * @return bool布尔型 */ public boolean hasPathSum (TreeNode root, int sum) { if (root == null) { return false; } return dfsFind(root, sum); } private boolean dfsFind(TreeNode node, int sum) { // 1 递归终止条件,节点为空,意味着越过了叶子节点,空节点没有路径 if (node == null) { return false; } // 2 本级任务,减去当前节点的值,sum为接下来子树的目标值,同时判断是否到达叶子节点 sum = sum - node.val; if (node.left == null && node.right == null) { return sum == 0 ? true : false; } // 3 返回值,返回子树的判断结果 return dfsFind(node.left, sum) || dfsFind(node.right, sum); } }
复杂度分析
时间复杂度:O(n),其中n为二叉树的节点数,遍历整棵二叉树
空间复杂度:O(n),最坏情况下,二叉树化为链表,递归栈深度最大为n
路径总和II【MID】
难度升级,需要给出所有满足条件的节点结果
题干
解题思路
我们可以采用深度优先搜索的方式,枚举每一条从根节点到叶子节点的路径。当我们遍历到叶子节点,且此时路径和恰为目标和时,我们就找到了一条满足条件的路径。主要思路同上,需要注意的是path的引用性质,每次探索完新的路线后需要回溯
代码实现
给出代码实现基本档案
基本数据结构:二叉树
辅助数据结构:无
算法:递归、DFS
技巧:无
其中数据结构、算法和技巧分别来自:
- 10 个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧:双指针、滑动窗口、中心扩散
当然包括但不限于以上
class Solution { // 1 设置结果集,并使用栈来记录完整路径 List<List<Integer>> result = new LinkedList<List<Integer>>(); Stack<Integer> path = new Stack<Integer>(); public List<List<Integer>> pathSum(TreeNode root, int targetSum) { dfsFindPath(root, targetSum); return result; } public void dfsFindPath(TreeNode root, int targetSum) { // 1 如果越过叶子节点,则不满足条件 if (root == null) { return; } // 2 路径添加当前节点值 path.push(root.val); // 3 路径经过本级节点后目标值 targetSum = targetSum - root.val; // 4 如果到达叶子节点,则进行判断,如果满足条件,则为寻找的目标路径 if (root.left == null && root.right == null && targetSum == 0) { result.add(new LinkedList<Integer>(path)); } // 5 没有找到,递归的从左右子树找 dfsFindPath(root.left, targetSum); dfsFindPath(root.right, targetSum); // 6 因为path是引用类型,所有到达叶子节点无论是否找到,都要退出当前路径进入自己上层路径进行新的路径搜素哦 path.pop(); } }
复杂度分析
时间复杂度:O(n),其中n为二叉树的节点数,遍历整棵二叉树
空间复杂度:O(n),最坏情况下,二叉树化为链表,递归栈深度最大为n
路径总和III【MID】
难度再升级,这次不需要在叶子节点结束了,也不需要从根节点开始了
题干
解题思路
使用前缀和解决本问题
为什么要用前缀和
什么是前缀和,二叉树中,一个节点的前缀和就是该节点到根之间的路径和
1 / \ 2 3 / \ \ 4 5 6 节点4的前缀和为:1 + 2 + 4 = 7 / \ \ 7 8 9 节点8的前缀和:1 + 2 + 4 + 8 = 15 节点9的前缀和:1 + 2 + 5 + 9 = 17
题目要求的是找出路径和等于给定数值的路径总数, 而两节点间的路径和 = 两节点的前缀和之差
假如题目给定数值为5 1 节点1的前缀和为: 1 / 2 / 3 节点3的前缀和为: 1 + 2 + 3 = 6 / 4 prefix(3) - prefix(1) == 5, 所以 节点1 到 节点3 之间有一条符合要求的路径( 2 --> 3 )
所以我们只用遍历整颗树一次,记录每个节点的前缀和,并查询该节点的祖先节点中符合条件的个数,将这个数量加到最终结果上
HashMap存什么
HashMap的key是前缀和, value是该前缀和的路径数量,记录数量是因为同一个前缀和有不同路径的可能。
1 前缀和为1 / 0 前缀和为1 / 2 前缀和为3 路径和为2的路径总数有:prefix(2) - prefix(1) 对应路径:0-2 prefix(2) - prefix(0) 对应路径:2
恢复状态的意义
由于题目要求:路径方向必须是向下的(只能从父节点到子节点)当我们讨论两个节点的前缀和差值时,有一个前提:一个节点必须是另一个节点的祖先节点,换句话说,当我们把一个节点的前缀和信息更新到map里时,它应当只对其子节点们有效。举个例子,下图中有两个值为2的节点(A, B)。
0 / \ A:2 B:2 / \ \ 4 5 6 / \ \ 7 8 9
当我们遍历到最右方的节点6时,对于它来说,此时的前缀和为2的节点只该有B, 因为从A向下到不了节点6(A并不是节点6的祖先节点)。如果我们不做状态恢复,当遍历右子树时,左子树中A的信息仍会保留在map中,那此时节点6就会认为A, B都是可追溯到的节点,从而产生错误。状态恢复代码的作用就是: 在遍历完一个节点的所有子节点后,将其从map中除去。
左右子树遍历完成之后,回到当前层,需要把当前节点添加的前缀和去除。避免回溯之后影响上一层。因为思想是前缀和,不属于前缀的,我们就要去掉它
代码实现
给出代码实现基本档案
基本数据结构:二叉树
辅助数据结构:哈希
算法:递归、DFS
技巧:前缀和
其中数据结构、算法和技巧分别来自:
- 10 个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧:双指针、滑动窗口、中心扩散
当然包括但不限于以上
/** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode() {} * TreeNode(int val) { this.val = val; } * TreeNode(int val, TreeNode left, TreeNode right) { * this.val = val; * this.left = left; * this.right = right; * } * } */ class Solution { // 1 定义前缀和Map,key为前缀和,value为该前缀和的路径总数 private Map<Long, Integer> prefixMap = new HashMap<Long, Integer>(); // 2 定义结果集 private Integer result = 0; public int pathSum(TreeNode root, int targetSum) { if (root == null) { return 0; } // 这是一个初态,一个节点到根节点的路径和就是节点的前缀和减去0,没有这个的话所有到根节点的符合条件的路径都无法找到, // 例如:1-3,找到路径和为4的,此时preSum(3)-4=preSum(0),如果没有preSum(0)为1条路径,就1条都招不到了 prefixMap.put(0L, 1); dfsFindPath(root, 0L, targetSum); //传入参数是根节点root,和root之前的前缀和0。 return result; } // 递归查找满足条件的路径和 private void dfsFindPath(TreeNode node, long prefixSum, int targetSum) { // 1 查找到空节点,返回 if (node == null) { return; } // 2 记录当前节点前缀和 prefixSum = prefixSum + node.val; // 如果之前出现过符合条件的前缀和,则记录+N result = result + prefixMap.getOrDefault(prefixSum - targetSum, 0); // 更新路径上当前节点前缀和的个数:把当前节点的前缀和也加入到哈希表中,如果已经存在了就给value + 1 prefixMap.put(prefixSum, prefixMap.getOrDefault(prefixSum, 0) + 1); // 3 再去遍历其左右子树继续记录前缀和并找可行路径。 dfsFindPath(node.left, prefixSum,targetSum); dfsFindPath(node.right, prefixSum, targetSum); // 4 当自己的子树都寻找完毕后,需要把本级的前缀和去掉,返回上一层级 prefixMap.put(prefixSum, prefixMap.get(prefixSum) - 1); } }
复杂度分析
时间复杂度:O(n),其中n为二叉树的节点数,遍历整棵二叉树
空间复杂度:O(n),最坏情况下,哈希表存储N个元素,递归栈深度为N
二叉树的最大路径和【HARD】
难度再升级,这次要获取和为最大的路径
题干
解题思路
这题和通过递归最大深度求二叉树的直径有异曲同工之妙
首先,考虑实现一个简化的函数 maxGain(node),该函数计算二叉树中的一个节点的最大贡献值,具体而言,就是在以该节点为根节点的子树中寻找以该节点为起点的一条路径,使得该路径上的节点值之和最大具体而言,该函数的计算如下。
- 空节点的最大贡献值等于 0。
- 非空节点的最大贡献值等于节点值与其子节点中的最大贡献值之和(对于叶节点而言,最大贡献值等于节点值)。
例如,考虑如下二叉树。
-10 / \ 9 20 / \ 15 7
这样我们就可以在寻找最大贡献值分支的路上,不断更新最大路径和
代码实现
给出代码实现基本档案
基本数据结构:二叉树
辅助数据结构:哈希
算法:递归、DFS
技巧:前缀和
其中数据结构、算法和技巧分别来自:
- 10 个数据结构:数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树
- 10 个算法:递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法
- 技巧:双指针、滑动窗口、中心扩散
当然包括但不限于以上
/** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode() {} * TreeNode(int val) { this.val = val; } * TreeNode(int val, TreeNode left, TreeNode right) { * this.val = val; * this.left = left; * this.right = right; * } * } */ class Solution { // 1 设置最大路径总和并初始化 private int maxSum = Integer.MIN_VALUE; public int maxPathSum(TreeNode root) { if (root == null) { return 0; } dfsFindBestPath(root); return maxSum; } // 返回贡献值较大的节点总和 private int dfsFindBestPath(TreeNode node) { // 1 到达空节点,越过叶子节点,贡献为0 if (node == null) { return 0; } // 2 计算当前节点总值,分别获取左右子树贡献值,如果和为负数,则舍弃 int leftValue = Math.max(dfsFindBestPath(node.left), 0); int rightValue = Math.max(dfsFindBestPath(node.right), 0); int curSumValue = node.val + leftValue + rightValue; // 3 maxSum与当前节点总值比较并重设最大值 maxSum = Math.max(maxSum, curSumValue); // 4 设置当前节点最大值并返回,因为路径不能两边都走 return node.val + Math.max(leftValue, rightValue); } }
复杂度分析
时间复杂度:O(n),其中n为二叉树的节点数,遍历整棵二叉树
空间复杂度:O(n),最坏情况下,二叉树化为链表,递归栈深度最大为n
拓展知识:前缀和的使用
前缀和在二叉树中的应用通常用于解决与路径和相关的问题,尤其是在查找二叉树中的特定路径和或与路径和相关的查询时非常有用。以下是前缀和在二叉树中的应用示例:
- 二叉树路径和问题:给定一个二叉树和一个目标和,要求确定是否存在一条从根节点到叶子节点的路径,使得路径上所有节点的值之和等于目标和。前缀和可以用于辅助解决这个问题。你可以从根节点开始,递归计算到每个节点的路径和,并将路径和存储在一个前缀和数组中。然后,当你到达叶子节点时,可以检查前缀和数组中是否存在一个值等于目标和的前缀和,从而确定是否存在符合条件的路径。
- 子树路径和问题:与上面的问题类似,但是不要求路径必须从根节点开始。前缀和可以用于记录从根节点到每个节点的路径和,然后在查找子树路径和时,只需计算子树根节点到目标节点的路径和,并与前缀和数组中的值进行比较。
- 路径和的范围查询:给定一个二叉树和一个范围
[low, high]
,要求计算所有路径上节点值之和在该范围内的路径数。前缀和可以帮助优化这个问题,你可以从根节点开始递归计算到每个节点的路径和,并在递归过程中检查路径和是否在[low, high]
范围内,然后将结果累加。 - 树中最大路径和问题:要求找到二叉树中的一条路径,使得路径上节点值之和最大。前缀和可以辅助解决这个问题,你可以从根节点开始递归计算到每个节点的路径和,然后在递归过程中维护一个全局变量,用于记录最大路径和。
在这些问题中,前缀和的应用可以帮助减少不必要的计算,提高算法的效率,并使问题更容易解决。它允许你在遍历二叉树的同时,有效地跟踪路径和的信息,以便进行查询和计算。