目录
题目地址:
题目:
我们直接看题解吧:
解题方法:
方法分析:
解题分析:
解题思路:
代码实现:
代码补充说明:
题目地址:
102. 二叉树的层序遍历 - 力扣(LeetCode)
难度:中等
今天刷二叉树的层序遍历,大家有兴趣可以点上看看题目要求,试着做一下。
题目:
给你二叉树的根节点 root
,返回其节点值的 层序遍历 。 (即逐层地,从左到右访问所有节点)。
我们直接看题解吧:
解题方法:
利用方法为广度优先遍历算法(BFS)
方法分析:
DFS(深度优先搜索)和 BFS(广度优先搜索)就像孪生兄弟,提到一个总是想起另一个。然而在实际使用中,我们用 DFS 的时候远远多于 BFS。那么,是不是 BFS 就没有什么用呢?
如果我们使用 DFS/BFS 只是为了遍历一棵树、一张图上的所有结点的话,那么 DFS 和 BFS 的能力没什么差别,我们当然更倾向于更方便写、空间复杂度更低的 DFS 遍历。不过,某些使用场景是 DFS 做不到的,只能使用 BFS 遍历。比如层序遍历、最短路径。
实际上,「BFS 遍历」、「层序遍历」、「最短路径」实际上是递进的关系。在 BFS 遍历的基础上区分遍历的每一层,就得到了层序遍历。在层序遍历的基础上记录层数,就得到了最短路径。
解题分析:
对于这道题,我们可以想到最朴素的方法是用一个二元组 (node, level) 来表示状态,它表示某个节点和它所在的层数,每个新进队列的节点的层数 level 值都是父亲节点的层数 level 值加一。最后根据每个点的层数 level 对点进行分类,分类的时候我们可以利用哈希表,维护一个以层数 level 为键,对应节点值组成的数组为值,广度优先搜索结束以后按键 level 从小到大取出所有值,组成答案返回即可。
但是考虑优化空间开销,不用哈希映射,并且只用一个变量 node 表示状态,因此可以利用队列实现这个功能
·首先根元素入队
·当队列不为空的时候
·求当前队列的长度 依次从队列中取si个元素进行拓展,然后进入下一次迭代
它和普通广度优先搜索的区别在于,普通广度优先搜索每次只取一个元素拓展,而这里每次取si个元素。
解题思路:
1、创建双端给队列queue放当前层的节点,创建二维数组res保存遍历所得的节点结果
2、进行初始化,在队列queue中添加root(若非空)
3、BFS循环,当队列queue空时结束循环
a.新建一个临时表tmp,用于存储当前层的打印结果
b.当前层打印循环: 循环次数为当前层节点数(即队列 queue 长度)。
·出队: 取队首节点,记为 node,。
·打印: 将节点值node.val 添加至 tmp 尾部。
· 更新queue: 若 node 的左(右)子节点不为空,则将左(右)子节点加入队列 queue 。即将当前层每个节点子节点放入queue
c.将当前层结果 tmp 添加入 res 。
4、返回值: 返回打印结果列表 res 即可。
代码实现:
class Solution {public List<List<Integer>> levelOrder(TreeNode root) {Queue<TreeNode> queue = new LinkedList<>();//创建双端队列queueList<List<Integer>> res = new ArrayList<>();//创建二维列表resif (root != null) queue.add(root); //将root节点加到队列中while (!queue.isEmpty()) {//队列空时退出循环List<Integer> tmp = new ArrayList<>();//新建临时数组tmpfor(int i = queue.size(); i > 0; i--) {//当前层的循环遍历TreeNode node = queue.poll();//取出一个节点进行遍历tmp.add(node.val); //将节点值加到tmpif (node.left != null) queue.add(node.left);//非空则遍历该节点的左子树if (node.right != null) queue.add(node.right);//非空则遍历该节点的右子树}res.add(tmp);//当前层节点值加到res}return res;//返回树的遍历结果}
}
代码补充说明:
1、代码中实际上对树进行了非空的判断,若为空,则会返回空表res=[ ]
2、在当前层for循环中:
初始值是每个队列的长度(会发生变化),然后递减,
而这样做好处在于,下面我更新队列 queue的元素时,它不会影响我遍历当前层的的节点数,因为for循环初始化只执行一次