代码随想录算法训练营第十四天 | LeetCode 102. 二叉树的层序遍历、LeetCode 226. 翻转二叉树、LeetCode 101. 对称二叉树

简介: 代码随想录算法训练营第十四天 | LeetCode 102. 二叉树的层序遍历、LeetCode 226. 翻转二叉树、LeetCode 101. 对称二叉树

1. LeetCode 102. 二叉树的层序遍历

1.1 思路

  1. 二叉树的层序遍历就相当于图论里的广度优先搜索,之前的递归遍历就相当于图论里的深度优先搜索
  2. 只依赖二叉树的结构本身是无法做到层序遍历的,因此需要借助一个队列的数据结构
  3. 首先将根节点放入,每一层要记录当时队列的长度,这个长度就相当于这层有几个元素,然后根据这个长度把每一层的元素弹出放入一个集合中,因为层序遍历返回的是List<List<Integer>>,就相当于一个二维数组,每一层就是每一维,如果没有这个长度记录那么队列既有这一层又有下一层时就混乱了
  4. 在弹出元素时再判断这个元素是否有左右孩子,有就放入队列,在原本层里的元素都弹出后再记录新的长度,每弹出一个元素长度就--

1.2 代码

class Solution {
    public List<List<Integer>> list=new ArrayList<>();
    public List<List<Integer>> levelOrder(TreeNode root) {
        func(root);
        return list;
    }
    public void func(TreeNode node){
        if(node==null)return;
        Queue<TreeNode> queue=new LinkedList<>();
        queue.offer(node);
        int len=queue.size();
        List<Integer> tempList;
        TreeNode tempNode;
        while(!queue.isEmpty()){
            tempList=new ArrayList<>();
            len=queue.size();
            while(len-->0){
                tempNode=queue.poll();
                tempList.add(tempNode.val);
                if(tempNode.left!=null)queue.offer(tempNode.left);
                if(tempNode.right!=null)queue.offer(tempNode.right);
            }
            list.add(tempList);
        }
    }
}

2. LeetCode 226. 翻转二叉树

2.1 思路

  1. 应该用什么遍历方式?递归还是非递归?递归的话是前中后序?要把这些想清楚
  2. 前序和后序是最方便的,中序也可以但很麻烦
  3. 确定递归的参数和返回值:返回值TreeNode,参数TreeNode 根节点
  4. 终止条件:遇到空节点了,if(root==null)return root;
  5. 处理逻辑:以前序遍历为例,前序遍历是“根左右”,那么交换就是swap(root.left,root.right),然后递归调用函数,分别是invertTree(root.left),invertTree(root.right)
  6. 如果是后序遍历,那么就把swap写在左右子树的下面即可
  7. 为什么中序不可以呢?其实如果是把swap写在中间的话,那么先把左子树翻转了,再把左右子树swap,那么此时的左子树就是原来的右子树,但接下来是invertTree(root.right),就相当于又处理原来的左子树了,即原来的右子树就没有处理,所以我们把invertTree(root.right)改为invertTree(root.left)即可

2.2 代码

class Solution {
   /**
     * 前后序遍历都可以
     * 中序不行,因为先左孩子交换孩子,再根交换孩子(做完后,右孩子已经变成了原来的左孩子),再右孩子交换孩子(此时其实是对原来的左孩子做交换)
     */
    public TreeNode invertTree(TreeNode root) {
        if (root == null) {
            return null;
        }
        invertTree(root.left);
        invertTree(root.right);
        swapChildren(root);
        return root;
    }
    private void swapChildren(TreeNode root) {
        TreeNode tmp = root.left;
        root.left = root.right;
        root.right = tmp;
    }
}

3. LeetCode 101. 对称二叉树

3.1 思路

  1. 二叉树类的题目确定遍历顺序是很重要的,这题我们用递归的方式,应该用前中后哪个呢?这题只能用后序,后序是“左右根”,因为我们要不断收集左右孩子的信息返回给上一个(即父节点)节点,再收集左右孩子的信息返回给上一个节点,这样才能知道以这个左节点为根节点的树和右节点为根节点的树是否是可以相互翻转的。因为只有后续遍历,才能知道把底部的孩子的信息是否相等的信息返回给上一层
  2. 确认递归的参数和返回值:由于上述所说,是否是对称二叉树就是判断左右子树是否是可以翻转的,因此定义一个函数,传入左子树和右子树,返回值就是是否是可以翻转的
  3. 终止条件:如果左节点为空右节点不为空,就是不可翻转的就return false;如果左节点不为空右节点为空,同理return false;如果左右都为空就是可翻转的return true;如果左右都不为空但值不相等,就return false;如果左右节点不为空且值相等就继续向下遍历
  4. 处理单层递归的逻辑:因为我们要比较外侧节点和内侧节点,如果相同就为true。于是递归调用函数boolean outside= compare(left.left , right.right),这就是左孩子的左孩子和右孩子的右孩子,即外侧节点的比较;然后再比较内侧节点,boolean inside=compare(left.right , right.left),这就是左孩子的右孩子和右孩子的左孩子,即内侧节点
  5. 最后是用布尔值result=outside&&inside,同时外侧和内侧相同,这才说明是对称的,最后return result

3.2 代码

class Solution {
    public boolean isSymmetric(TreeNode root) {
        return compare(root.left,root.right);
    }
    public boolean compare(TreeNode left,TreeNode right){
        if(left==null&&right!=null)return false;
        else if(left!=null&&right==null)return false;
        else if(left==null&&right==null)return true;
        else if(left.val!=right.val)return false;
        boolean outside=compare(left.left,right.right);
        boolean inside=compare(left.right,right.left);
        boolean result=outside&&inside;
        return result;
    }
}
相关文章
|
1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。
139 14
|
2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。
68 4
|
2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!
72 10
|
2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。
165 10
|
2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。
155 9
|
1月前
|
算法 机器人 数据安全/隐私保护
基于双向RRT算法的三维空间最优路线规划matlab仿真
本程序基于双向RRT算法实现三维空间最优路径规划,适用于机器人在复杂环境中的路径寻找问题。通过MATLAB 2022A测试运行,结果展示完整且无水印。算法从起点和终点同时构建两棵随机树,利用随机采样、最近节点查找、扩展等步骤,使两棵树相遇以形成路径,显著提高搜索效率。相比单向RRT,双向RRT在高维或障碍物密集场景中表现更优,为机器人技术提供了有效解决方案。
|
21天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化TCN-LSTM时间卷积神经网络时间序列预测算法matlab仿真
本内容展示了一种基于粒子群优化(PSO)与时间卷积神经网络(TCN)的时间序列预测方法。通过 MATLAB2022a 实现,完整程序运行无水印,核心代码附详细中文注释及操作视频。算法利用 PSO 优化 TCN 的超参数(如卷积核大小、层数等),提升非线性时间序列预测性能。TCN 结构包含因果卷积层与残差连接,结合 LSTM 构建混合模型,经多次迭代选择最优超参数,最终实现更准确可靠的预测效果,适用于金融、气象等领域。
|
17天前
|
算法 数据安全/隐私保护
基于Logistic-Map混沌序列的数字信息加解密算法matlab仿真,支持对文字,灰度图,彩色图,语音进行加解密
本项目实现了一种基于Logistic Map混沌序列的数字信息加解密算法,使用MATLAB2022A开发并包含GUI操作界面。支持对文字、灰度图像、彩色图像和语音信号进行加密与解密处理。核心程序通过调整Logistic Map的参数生成伪随机密钥序列,确保加密的安全性。混沌系统的不可预测性和对初值的敏感依赖性是该算法的核心优势。示例展示了彩色图像、灰度图像、语音信号及文字信息的加解密效果,运行结果清晰准确,且完整程序输出无水印。
基于Logistic-Map混沌序列的数字信息加解密算法matlab仿真,支持对文字,灰度图,彩色图,语音进行加解密
|
17天前
|
算法
基于PSO粒子群优化的多无人机路径规划matlab仿真,对比WOA优化算法
本程序基于粒子群优化(PSO)算法实现多无人机路径规划,并与鲸鱼优化算法(WOA)进行对比。使用MATLAB2022A运行,通过四个无人机的仿真,评估两种算法在能耗、复杂度、路径规划效果及收敛曲线等指标上的表现。算法原理源于1995年提出的群体智能优化,模拟鸟群觅食行为,在搜索空间中寻找最优解。环境建模采用栅格或几何法,考虑避障、速度限制等因素,将约束条件融入适应度函数。程序包含初始化粒子群、更新速度与位置、计算适应度值、迭代优化等步骤,最终输出最优路径。
|
27天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化TCN时间卷积神经网络时间序列预测算法matlab仿真
本内容介绍了一种基于PSO(粒子群优化)改进TCN(时间卷积神经网络)的时间序列预测方法。使用Matlab2022a运行,完整程序无水印,附带核心代码中文注释及操作视频。TCN通过因果卷积层与残差连接处理序列数据,PSO优化其卷积核权重等参数以降低预测误差。算法中,粒子根据个体与全局最优位置更新速度和位置,逐步逼近最佳参数组合,提升预测性能。