11_二叉树的最大深度

简介: 11_二叉树的最大深度

二叉树的最大深度

给定一个二叉树 root ,返回其最大深度。

二叉树的 最大深度是指从根节点到最远叶子节点的最长路径上的节点数。

示例 1:

输入:root = [3,9,20,null,null,15,7]
输出:3

示例 2:

输入:root = [1,null,2]
输出:2

【思路】

方法一:递归的方式

递归的出口:root==null

递归的条件:树的最大高度=1+maxDepth(左子树,右子树)

public int maxDepth(TreeNode root) {
  if (root == null) {
        return 0;
    } else {
        int left = maxDepth(root.left);
        int right = maxDepth(root.right);
        return Math.max(left, right) + 1;
    }
}

方法二:层次遍历

使用迭代法的话,使用层序遍历是最为合适的,因为最大的深度就是二叉树的层数,和层序遍历的方式极其吻合。在二叉树中,一层一层的来遍历二叉树,记录一下遍历的层数就是二叉树的深度。

public int maxDepth(TreeNode root) {
    int depth = 0;
    if (root == null)  return depth;
    Queue<TreeNode> queue = new LinkedList<>();
    queue.add(root);
    // 辅助队列不为空
    while (!queue.isEmpty()) {
        int levelSize = queue.size();
        depth++;
        for (int i = 0; i < levelSize; i++) {
            TreeNode temp = queue.poll();
            if (temp.left != null) {
                queue.add(temp.left);
            }
            if (temp.right != null) {
                queue.add(temp.right);
            }
        }
    }
    return depth;
}
相关文章
|
Kubernetes 数据安全/隐私保护 Docker
|
SQL 存储 关系型数据库
MySQL更新某个字段拼接固定字符串
【4月更文挑战第24天】
1211 1
|
测试技术 监控 程序员
软件体系结构 - 净室软件工程
软件体系结构 - 净室软件工程
834 1
|
5月前
|
机器学习/深度学习 数据采集 文字识别
96.33% 新SOTA!PaddleOCR-VL-1.6 发布,大模型时代的数据基座再升级
PaddleOCR-VL-1.6正式发布!在OmniDocBench v1.6达96.33% SOTA,全面领先开源/闭源方案;支持表格、公式、图表、古籍、生僻字、印章等多场景高精度识别,异形框定位更优;模型结构兼容1.5版,零成本升级。代码与权重已开源。
782 0
|
8月前
|
存储 数据挖掘 OLAP
数仓入门篇-维度模型与第三范式
第三范式(3NF)是关系数据库规范化核心标准,要求消除传递依赖,确保数据无冗余、“一事一地”。维度模型则面向分析优化,采用星型结构与反规范化设计,以牺牲存储换查询性能与业务可读性。二者各适其用:3NF用于OLTP系统保一致性,维度模型用于OLAP场景提分析效率。(239字)
963 5
|
8月前
|
弹性计算 固态存储 调度
阿里云99元服务器ECS经济型e实例ecs.e-c1m1.large详细介绍,CPU采用Intel Xeon Platinum架构处理器
阿里云99元/年ECS经济型e实例(ecs.e-c1m1.large),2核2G,Intel Xeon Platinum处理器,3M独享带宽(下载384KB/s)、40G ESSD Entry系统盘、独立公网IP,新老用户同价,续费不涨价,限售至2026年3月31日。
1650 5
|
3月前
|
人工智能 供应链 测试技术
大厂不要“点点点”的人了——2026秋招测试岗JD已经彻底重构,你的技能跟上了吗?
2026秋招测试岗已巨变:告别“点点点”,转向“建系统+控风险+懂AI”。手工测试需求降47%,全栈测开岗暴增340%。大厂面试直问Agent兜底、RAG验证、质量门禁设计——你不是找Bug的人,而是用代码和工程能力守护质量的开发者。
|
存储 人工智能 监控
RAG从入门到精通:一套让大模型“说真话”的实战方案
本文深入解析RAG(检索增强生成)技术,直击大模型知识盲区、过时与幻觉三大痛点。从原理(索引-检索-生成三阶段)到四步实践路径(MVP→检索优化→生成优化→工程化),再到效果评估与未来趋势,提供可落地的企业级AI应用构建指南。(239字)
696 0
|
9月前
|
人工智能 自然语言处理 前端开发
写了10万行代码,却毁在配色上?这套指令让后端直男秒变设计总监
这是一篇专为后端及全栈开发者定制的实用指南,旨在解决开发者“代码强但审美弱”的痛点。文章提供了一套核心AI指令,能将DeepSeek等AI变成专业UI设计顾问,快速生成符合大厂规范(Design Token)的配色体系。通过一个后台管理系统的实战案例,演示了如何用AI将“土味”界面瞬间升级为专业级UI,让开发者无需学习设计理论也能搞定高颜值配色。
1039 4
|
机器学习/深度学习 人工智能 自然语言处理
阿里云人工智能平台 PAI 开源 EasyDistill 框架助力大语言模型轻松瘦身
本文介绍了阿里云人工智能平台 PAI 推出的开源工具包 EasyDistill。随着大语言模型的复杂性和规模增长,它们面临计算需求和训练成本的障碍。知识蒸馏旨在不显著降低性能的前提下,将大模型转化为更小、更高效的版本以降低训练和推理成本。EasyDistill 框架简化了知识蒸馏过程,其具备多种功能模块,包括数据合成、基础和进阶蒸馏训练。通过数据合成,丰富训练集的多样性;基础和进阶蒸馏训练则涵盖黑盒和白盒知识转移策略、强化学习及偏好优化,从而提升小模型的性能。