代码随想录刷题|LeetCode 104.二叉树的最大深度 559.n叉树的最大深度 111.二叉树的最小深度 222.完全二叉树的节点个数(下)

简介: 代码随想录刷题|LeetCode 104.二叉树的最大深度 559.n叉树的最大深度 111.二叉树的最小深度 222.完全二叉树的节点个数

111.二叉树的最小深度

题目链接 力扣

思路

 跟求104.二叉树的最大深度思想上是类似的


       自上而下的思路:前序遍历,当遍历到一个叶子节点的时候,就是二叉树的最小深度

       自下而上的思路:后序遍历,统计根节点到每一个叶子节点的深度,比较出最小值


二叉树的最小深度

递归法

后序遍历


这个后序遍历的方法其实和二叉树的最大深度的差不多,需要注意的就是,根节点左右子树的特殊情况,当根节点的其中一个子树为空的时候,要保证程序选择了非空子树的最小高度

       求二叉树的最小深度和求二叉树的最大深度的差别主要在于处理左右孩子不为空的逻辑。

class Solution {
    public int minDepth(TreeNode root) {
        if (root ==  null) {
            return 0;
        }
        int leftDepth = minDepth(root.left);// 求出左子树的最小高度
        int rightDepth = minDepth(root.right); // 求出右子树的最小高度
        // 对根节点的特殊情况进行处理
        if (root.left == null && root.right != null) {
            return rightDepth + 1; //两个作用:挑选出右子树|加成根节点的高度
        }
        if (root.right == null && root.left != null) {
            return leftDepth + 1;
        }
        // 然后在进行中间节点的处理
        int rootMinDerth = 1 + Math.min(leftDepth,rightDepth);
        return rootMinDerth;
    }
}


迭代法

       层序遍历

       如果你遍历到一个节点的左右子节点,那说明这个节点就是叶子节点,也就是碰到了最小深度了

class Solution {
    public int maxDepth(Node root) {
        if (root == null) {
            return 0;
        }
        // 创建队列
        Deque<Node> deque = new ArrayDeque<>();
        // 将根节点添加到队列中
        deque.offer(root);
        // 定义深度
        int depth = 0;
        // 开始层序遍历
        while (!deque.isEmpty()) {
            // 获取当前层数的节点个数
            int len = deque.size();
            // 弹出此层节点,添加对应的孩子节点
            while (len-- > 0) {
                Node node = deque.poll();
                for (Node child : node.children) {
                    deque.offer(child);
                }
            }
            depth++;
        }
        return depth;
    }
}

222.完全二叉树的节点个数

题目链接:力扣

思路


可以把完全二叉树当作普通二叉树进行节点计数,所有可以遍历二叉树的方式都是可以的


       再就是根据完全二叉树的特性对二叉树的节点进行统计,一般的二叉树递归到节点为null就终止递归,完全二叉树除了这种情况还有就是可以递归到满二叉树的时候终止递归


完全二叉树的节点个数

递归法

使用完全二叉树的特性


这个方法是使用了完全二叉树的特性,递归到最后只会有两种情况:


       情况一:是个满二叉树

       情况二:最后一层叶子节点没有满


       对于情况一,直接使用2^k -1 求出满二叉树的节点个数(k代表满二叉树的最大深度)

       对于情况二,分别递归左右子树,递归到某一深度一定会有左孩子或者右孩子是满二叉树,然后按照情况一来处理,叶子节点也是满二叉树


class Solution {
    public int countNodes(TreeNode root) {
        // 如果遇到了空节点,递归终止,空节点的节点总数为0
        if (root == null) {
            return 0;
        }
        // 如果遇到了满二叉树,递归终止,满二叉树的节点总数为2^n - 1;
        TreeNode left = root.left;
        TreeNode right = root.right;
        int leftdepth = 0;
        int rightdepth = 0;
        while (left != null) {
            left = left.left;
            leftdepth++;
        }
        while (right != null) {
            right = right.right;
            rightdepth++;
        }
        if (leftdepth == rightdepth) {
            // 在完全二叉树中,当节点外侧的深度相等的时候,那么这个节点代表的树就是满二叉树
            return (2 << rightdepth) - 1;
        }
        int leftNum = countNodes(root.left);
        int rightNum = countNodes(root.right);
        return leftNum + rightNum + 1;
    }
}

使用普通二叉树的方法

采用后序遍历的形式,不得不说递归虽然不太好理解,但是真的是优美呀

class Solution {
    public int countNodes(TreeNode root) {
        if (root == null) {
            return 0;
        }
        int leftNum = countNodes(root.left);
        int rightNum = countNodes(root.right);
        int num = leftNum + rightNum + 1;
        return num;
    }
}
//精简版
class Solution {
    public int countNodes(TreeNode root) {
        if (root == null) {
            return 0;
        }
        return countNodes(root.left) + countNodes(root.right) + 1;
    }
}

迭代法

层序遍历:每出队一个元素就记录一次

class Solution {
    public int countNodes(TreeNode root) {
        if (root == null) {
            return 0;
        }
        Deque<TreeNode> deque = new ArrayDeque<>();
        deque.offer(root);
        int num = 0;
        while (!deque.isEmpty()) {
            int len = deque.size();
            for (int i = 0; i < len; i++) {
                TreeNode node = deque.poll();
                num++;
                if (node.left != null) {
                    deque.offer(node.left);
                }
                if (node.right != null) {
                    deque.offer(node.right);
                }
            }
        }
        return num;
    }
}
相关文章
|
10月前
|
Go 开发者 索引
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣33 / 81/ 153/154)(Go语言版)
本文深入探讨了LeetCode中四道关于「搜索旋转排序数组」的经典题目,涵盖了无重复和有重复元素的情况。通过二分查找的变形应用,文章详细解析了每道题的解题思路和Go语言实现代码。关键点包括判断有序区间、处理重复元素以及如何缩小搜索范围。文章还总结了各题的异同,并推荐了类似题目,帮助读者全面掌握二分查找在旋转数组中的应用。无论是初学者还是有经验的开发者,都能从中获得实用的解题技巧和代码实现方法。
389 14
|
11月前
|
算法 Go
【LeetCode 热题100】深入理解二叉树结构变化与路径特性(力扣104 / 226 / 114 / 543)(Go语言版)
本博客深入探讨二叉树的深度计算、结构变换与路径分析,涵盖四道经典题目:104(最大深度)、226(翻转二叉树)、114(展开为链表)和543(二叉树直径)。通过递归与遍历策略(前序、后序等),解析每题的核心思路与实现方法。结合代码示例(Go语言),帮助读者掌握二叉树相关算法的精髓。下一讲将聚焦二叉树构造问题,欢迎持续关注!
296 10
|
11月前
|
存储 算法 数据可视化
【二叉树遍历入门:从中序遍历到层序与右视图】【LeetCode 热题100】94:二叉树的中序遍历、102:二叉树的层序遍历、199:二叉树的右视图(详细解析)(Go语言版)
本文详细解析了二叉树的三种经典遍历方式:中序遍历(94题)、层序遍历(102题)和右视图(199题)。通过递归与迭代实现中序遍历,深入理解深度优先搜索(DFS);借助队列完成层序遍历和右视图,掌握广度优先搜索(BFS)。文章对比DFS与BFS的思维方式,总结不同遍历的应用场景,为后续构造树结构奠定基础。
523 10
|
11月前
|
Go 索引 Perl
【LeetCode 热题100】【二叉树构造题精讲:前序 + 中序建树 & 有序数组构造 BST】(详细解析)(Go语言版)
本文详细解析了二叉树构造的两类经典问题:通过前序与中序遍历重建二叉树(LeetCode 105),以及将有序数组转化为平衡二叉搜索树(BST,LeetCode 108)。文章从核心思路、递归解法到实现细节逐一拆解,强调通过索引控制子树范围以优化性能,并对比两题的不同构造逻辑。最后总结通用构造套路,提供进阶思考方向,帮助彻底掌握二叉树构造类题目。
678 9
|
11月前
|
Go
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣437 / 236 )(Go语言版)
本文深入探讨二叉树中路径与祖先问题,涵盖两道经典题目:LeetCode 437(路径总和 III)和236(最近公共祖先)。对于路径总和 III,文章分析了双递归暴力解法与前缀和优化方法,后者通过哈希表记录路径和,将时间复杂度从O(n²)降至O(n)。在最近公共祖先问题中,采用后序遍历递归查找,利用“自底向上”的思路确定最近公共祖先节点。文中详细解析代码实现与核心要点,帮助读者掌握深度追踪技巧,理解树结构中路径与节点关系的本质。这类问题在面试中高频出现,掌握其解法意义重大。
252 4
|
Unix Shell Linux
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
本文提供了几个Linux shell脚本编程问题的解决方案,包括转置文件内容、统计词频、验证有效电话号码和提取文件的第十行,每个问题都给出了至少一种实现方法。
354 6
LeetCode刷题 Shell编程四则 | 194. 转置文件 192. 统计词频 193. 有效电话号码 195. 第十行
|
Python
【Leetcode刷题Python】剑指 Offer 32 - III. 从上到下打印二叉树 III
本文介绍了两种Python实现方法,用于按照之字形顺序打印二叉树的层次遍历结果,实现了在奇数层正序、偶数层反序打印节点的功能。
205 6
|
搜索推荐 索引 Python
【Leetcode刷题Python】牛客. 数组中未出现的最小正整数
本文介绍了牛客网题目"数组中未出现的最小正整数"的解法,提供了一种满足O(n)时间复杂度和O(1)空间复杂度要求的原地排序算法,并给出了Python实现代码。
450 2
|
数据采集 负载均衡 安全
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口
本文提供了多个多线程编程问题的解决方案,包括设计有限阻塞队列、多线程网页爬虫、红绿灯路口等,每个问题都给出了至少一种实现方法,涵盖了互斥锁、条件变量、信号量等线程同步机制的使用。
356 3
LeetCode刷题 多线程编程九则 | 1188. 设计有限阻塞队列 1242. 多线程网页爬虫 1279. 红绿灯路口
|
机器学习/深度学习 人工智能 自然语言处理
280页PDF,全方位评估OpenAI o1,Leetcode刷题准确率竟这么高
【10月更文挑战第24天】近年来,OpenAI的o1模型在大型语言模型(LLMs)中脱颖而出,展现出卓越的推理能力和知识整合能力。基于Transformer架构,o1模型采用了链式思维和强化学习等先进技术,显著提升了其在编程竞赛、医学影像报告生成、数学问题解决、自然语言推理和芯片设计等领域的表现。本文将全面评估o1模型的性能及其对AI研究和应用的潜在影响。
413 1