代码随想录算法训练营第二十天 | LeetCode 530. 二叉搜索树的最小绝对差、501. 二叉搜索树中的众数、236. 二叉树的最近公共祖先

简介: 代码随想录算法训练营第二十天 | LeetCode 530. 二叉搜索树的最小绝对差、501. 二叉搜索树中的众数、236. 二叉树的最近公共祖先

1. LeetCode 530. 二叉搜索树的最小绝对差

1.1 思路

  1. 因为是二叉搜索树,按照中序遍历是一个有序序列,此时相邻的两个节点的值就是最小绝对差
  2. 我们用双指针,一个指向前面pre一个紧跟后面root,用result记录root.val-pre.val的差的最小值。result和pre记录为全局变量
  3. 递归函数的参数和返回值:返回值为void,参数就是节点
  4. 终止条件:遇到空了就返回return
  5. 单层递归的逻辑:因为我们用中序遍历,左中右。就先向左遍历:travelsal(root.left)。然后是中,比较两节点的差值和result,让result记录最小值,因为最开始pre初始化为空,因此要判断pre是否为空,不为空就执行result=Math.min(result, root.val-pre.val),就是当前节点-上一个节点的差。然后pre=root,这里为什么pre是指向前一个节点呢?因为最开始pre是null,不执行比较数值的逻辑,那么pre更新为root,然后进入递归函数,root更新,此时就是一前一后了。然后是向右遍历:travelsal(root.right)

1.2 代码

//
class Solution {
    TreeNode pre;// 记录上一个遍历的结点
    int result = Integer.MAX_VALUE;
    public int getMinimumDifference(TreeNode root) {
       if(root==null)return 0;
       traversal(root);
       return result;
    }
    public void traversal(TreeNode root){
        if(root==null)return;
        //左
        traversal(root.left);
        //中
        if(pre!=null){
            result = Math.min(result,root.val-pre.val);
        }
        pre = root;
        //右
        traversal(root.right);
    }
}

2. LeetCode 501. 二叉搜索树中的众数

2.1 思路

  1. 因为是二叉搜索树,按照中序遍历是一个有序序列,就用中序遍历
  2. 我们要先记录下最高频率maxCount,然后再遍历一遍二叉树,这样是遍历两次二叉树,其实可以不用这样。
  3. 我们依旧是用双指针的方式,root和pre,如果cur和pre相等的情况就count++,默认count=1,当cur和pre不相等了就count重新归一,那如果收获结果集呢?如果count和maxCount相等就加入到结果集result,那如果之前没遍历过二叉树怎么知道maxCount呢?这里设计一个代码技巧。
  4. 定义全局变量前一个节点pre,当前频率count,最高频率maxCount,结果集result。
  5. 递归函数的返回值和参数:返回值void,因为结果是放入到全局变量result,参数就是当前节点root
  6. 终止条件:如果root==null就返回return
  7. 单层递归逻辑:中序遍历,“左中右”,先向左遍历,函数(root.left)
  8. “中”的逻辑就是如果pre==null,那么count=1,此时pre还没指向节点,root是第一个节点。当pre不再指向空时,那当root.val==pre.val时就count++,否则就是pre和root的值不相等,count就重新归一,pre=root,让pre跟在root后面。统计出来后如果count==maxCount就把当前数值放入result结果集中。这里可能疑惑maxCount还没赋值吧?后面说。如果count>maxCount,就更新maxCount的值为count,那由于上面的逻辑是count==maxCount就把元素放入结果集里了,那说明之前放入结果集里的都不是我们想要的最高频率的结果,那就把result结果集清空,再把当前root.val的结果放入result中,此时这个才是我们最高频率的元素
  9. 右的逻辑就是,函数(root.right)。以上就是中序遍历的顺序

2.2 代码

//
class Solution {
    ArrayList<Integer> resList;
    int maxCount;
    int count;
    TreeNode pre;
    public int[] findMode(TreeNode root) {
        resList = new ArrayList<>();
        maxCount = 0;
        count = 0;
        pre = null;
        findMode1(root);
        int[] res = new int[resList.size()];
        for (int i = 0; i < resList.size(); i++) {
            res[i] = resList.get(i);
        }
        return res;
    }
    public void findMode1(TreeNode root) {
        if (root == null) {
            return;
        }
        findMode1(root.left);
        int rootValue = root.val;
        // 计数
        if (pre == null || rootValue != pre.val) {
            count = 1;
        } else {
            count++;
        }
        // 更新结果以及maxCount
        if (count > maxCount) {
            resList.clear();
            resList.add(rootValue);
            maxCount = count;
        } else if (count == maxCount) {
            resList.add(rootValue);
        }
        pre = root;
        findMode1(root.right);
    }
}

3. LeetCode 236. 二叉树的最近公共祖先

3.1 思路

  1. 找到p和q以后,然后往上去遍历,汇聚到一个节点,那这个节点就是最近公共祖先,其实二叉树没办法从下往上去遍历,但可以从下往上处理。按照二叉树递归的逻辑,有递归就有回溯,回溯就是从下往上处理的过程,这样可以判断某个节点左子树有没有出现过p或者q,右子树有没有出现过q或者p,想在回溯达到这个效果就要用后序,左右中
  2. 向左遍历就是找有没有出现过p或者q,向右遍历就是找有没有出现过p或者q,然后中就判断左右是否不为空,如果都不为空就证明这个“中”就是最近公共祖先。这里是情况1,左右子树有p和q,情况2是“中”就是p或者q,但情况1是把情况2包含了
  3. 递归函数的参数和返回值:返回值TreeNode,参数就是root,p,q
  4. 终止条件:如果root为空就返回null;如果root==p或者root==q就返回root,这就是发现了目标值了
  5. 单层递归的逻辑:左右中,先左,left=travelsal(root.left, p, q),再右,right=travelsal(root.right, p, q),然后是中,如果左右都不为空,此时root就是最近公共祖先,就return root,一直返回给根节点;如果left==null&&right!=null,就return right;如果left!=null&&right==null,就return left;如果左右都为空就返回null
  6. 为什么包含了情况2?假设q就是公共祖先,因为在终止条件中,如果root==q就把q返回了,下面就不去遍历了,就一直把q返回给到根节点了。那如果p不是q的子孙呢?这就是情况1了,那p就在根节点的另一边,另一边一直返回返回给到根节点,那么根节点就是最近公共祖先。这里不懂看视频16分钟开始

3.2 代码

//
class Solution {
    public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {
        if (root == null || root == p || root == q) { // 递归结束条件
            return root;
        }
        // 后序遍历
        TreeNode left = lowestCommonAncestor(root.left, p, q);
        TreeNode right = lowestCommonAncestor(root.right, p, q);
        if(left == null && right == null) { // 若未找到节点 p 或 q
            return null;
        }else if(left == null && right != null) { // 若找到一个节点
            return right;
        }else if(left != null && right == null) { // 若找到一个节点
            return left;
        }else { // 若找到两个节点
            return root;
        }
    }
}
相关文章
|
机器学习/深度学习 存储 算法
解锁文件共享软件背后基于 Python 的二叉搜索树算法密码
文件共享软件在数字化时代扮演着连接全球用户、促进知识与数据交流的重要角色。二叉搜索树作为一种高效的数据结构,通过有序存储和快速检索文件,极大提升了文件共享平台的性能。它依据文件名或时间戳等关键属性排序,支持高效插入、删除和查找操作,显著优化用户体验。本文还展示了用Python实现的简单二叉搜索树代码,帮助理解其工作原理,并展望了该算法在分布式计算和机器学习领域的未来应用前景。
|
10月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
存储 监控 算法
公司内部网络监控中的二叉搜索树算法:基于 Node.js 的实时设备状态管理
在数字化办公生态系统中,公司内部网络监控已成为企业信息安全管理体系的核心构成要素。随着局域网内终端设备数量呈指数级增长,实现设备状态的实时追踪与异常节点的快速定位,已成为亟待解决的关键技术难题。传统线性数据结构在处理动态更新的设备信息时,存在检索效率低下的固有缺陷;而树形数据结构因其天然的分层特性与高效的检索机制,逐渐成为网络监控领域的研究热点。本文以二叉搜索树(Binary Search Tree, BST)作为研究对象,系统探讨其在公司内部网络监控场景中的应用机制,并基于 Node.js 平台构建一套具备实时更新与快速查询功能的设备状态管理算法框架。
436 3
|
存储 算法 Java
算法系列之数据结构-二叉树
树是一种重要的非线性数据结构,广泛应用于各种算法和应用中。本文介绍了树的基本概念、常见类型(如二叉树、满二叉树、完全二叉树、平衡二叉树、B树等)及其在Java中的实现。通过递归方法实现了二叉树的前序、中序、后序和层次遍历,并展示了具体的代码示例和运行结果。掌握树结构有助于提高编程能力,优化算法设计。
533 10
 算法系列之数据结构-二叉树
|
算法 Java
算法系列之数据结构-二叉搜索树
二叉查找树(Binary Search Tree,简称BST)是一种常用的数据结构,它能够高效地进行查找、插入和删除操作。二叉查找树的特点是,对于树中的每个节点,其左子树中的所有节点都小于该节点,而右子树中的所有节点都大于该节点。
674 22
|
存储 监控 算法
基于 PHP 二叉搜索树算法的内网行为管理机制探究
在当今数字化网络环境中,内网行为管理对于企业网络安全及高效运营具有至关重要的意义。它涵盖对企业内部网络中各类行为的监测、分析与管控。在内网行为管理技术体系里,算法与数据结构扮演着核心角色。本文将深入探究 PHP 语言中的二叉搜索树算法于内网行为管理中的应用。
219 4
|
存储 算法 Java
解锁“分享文件”高效密码:探秘 Java 二叉搜索树算法
在信息爆炸的时代,文件分享至关重要。二叉搜索树(BST)以其高效的查找性能,为文件分享优化提供了新路径。本文聚焦Java环境下BST的应用,介绍其基础结构、实现示例及进阶优化。BST通过有序节点快速定位文件,结合自平衡树、多线程和权限管理,大幅提升文件分享效率与安全性。代码示例展示了文件插入与查找的基本操作,适用于大规模并发场景,确保分享过程流畅高效。掌握BST算法,助力文件分享创新发展。
|
监控 算法 安全
关于公司电脑桌面监控中 PHP 二叉搜索树算法的深度剖析
在现代企业管理中,公司电脑桌面监控系统通过二叉搜索树(BST)算法保障信息安全和提高效率。本文探讨PHP中的BST在监控场景的应用,包括节点定义、插入与查找操作,并展示如何管理时间戳数据,以快速查询特定时间段内的操作记录。BST的高效性使其成为处理复杂监控数据的理想选择。
208 2
|
存储 算法 安全
U 盘管控情境下 Python 二叉搜索树算法的深度剖析与探究
在信息技术高度发达的今天,数据安全至关重要。U盘作为常用的数据存储与传输工具,其管控尤为关键。本文探讨Python中的二叉搜索树算法在U盘管控中的应用,通过高效管理授权U盘信息,防止数据泄露,保障信息安全。二叉搜索树具有快速插入和查找的优势,适用于大量授权U盘的管理。尽管存在一些局限性,如树结构退化问题,但通过优化和改进,如采用自平衡树,可以有效提升U盘管控系统的性能和安全性。
291 3
|
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。
479 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

热门文章

最新文章