力扣刷题笔记

文章目录

  • 参考链接:[图解算法数据结构](https://leetcode-cn.com/leetbook/read/illustration-of-algorithm/589fz2/)
    • 动态规划
      • 剑指Offer 58 - Ⅱ.左旋转字符串
      • 剑指Offer 67 - 把字符串转换成整数
      • 剑指Offer 10-Ⅰ. 斐波那契数列
      • 剑指Offer 10- Ⅱ.青蛙跳台阶问题
      • 剑指Offer 42 - 连续子数组的最大和
      • 剑指Offer 46 - 把数字翻译成字符串
      • 剑指Offer 47 - 礼物的最大价值
      • 剑指Offer 48 - 最长不含重复字符子串
      • 剑指Offer 49 - 丑数
      • 剑指Offer 63 - 股票的最大利润
    • 搜索与回溯算法
      • 剑指Offer 12 - 矩阵中的路径
      • 剑指Offer 13 - 机器人的运动范围
      • 剑指Offer 26 - 树的子结构
      • 剑指Offer 27 - 二叉树的镜像
      • 剑指Offer 28 - 对称的二叉树
      • 剑指Offer 32 - 从上到下打印二叉树Ⅰ
      • 剑指Offer 32 - 从上到下打印二叉树Ⅱ
      • 剑指Offer 32 - 从上到下打印二叉树Ⅲ
      • 剑指Offer 34 - 二叉树中和为某一值的路径
      • 剑指Offer 36 - 二叉搜索树与双向链表
      • 剑指Offer 38 - 字符串的排列
      • 剑指Offer 54 - 二叉搜索树的第k大节点
      • 剑指Offer 55 - Ⅰ.二叉树的深度
      • 剑指Offer 55 - Ⅱ.平衡二叉树
      • 剑指Offer 64 - 求1 + 2 + ... + n
      • 剑指Offer 68 - 二叉搜索树的最近公共祖先Ⅰ
      • 剑指Offer 68 - 二叉树的最近公共祖先Ⅱ

参考链接:图解算法数据结构

代码和思路主要来源:

作者:Krahets
链接:https://leetcode-cn.com/leetbook/read/illustration-of-algorithm/
来源:力扣(LeetCode)

动态规划

剑指Offer 58 - Ⅱ.左旋转字符串

四种解题思路

  1. 字符串切片(简单效率高)
class Solution {
public:
    string reverseLeftWords(string s, int n) {
        return s.substr(n, s.size()) + s.substr(0, n);
    }
};
  1. 列表、字符串遍历拼接
    原理类似:通过新建list或者string变量res,先向res添加“第n + 1位至末位的字符”,再向 res 添加 “首位至第n位的字符” ,最后将res转化为字符串并返回。

  2. 三次翻转(C++)
    由于C++中的字符串是可变类型,因此可在原字符串上直接操作实现字符串旋转,实现O(1)的空间复杂度。

class Solution {
public:
    string reverseLeftWords(string s, int n) {
        //使用双向迭代器的重排算法,reverse(beg, end)
        reverse(s.begin(), s.begin() + n);
        reverse(s.begin() + n, s.end());
        reverse(s.begin(), s.end());
        return s;
    }
};

剑指Offer 67 - 把字符串转换成整数

主站第8题

先贴代码

class Solution {
public:
    int strToInt(string str) {
        int res = 0, bndry = INT_MAX / 10;	// 变量初始化
        int i = 0, sign = 1, length = str.size();	// 默认sign为正
        if(length == 0) return 0;	// 若为空字符串,直接返回0
        while(str[i] == ' ')	// 先判断字符串开头是否为空格,若为true则进入if语句
            if(++i == length) return 0;	// i+1后是否已经到达字符串尾部,若为true,返回0
        if(str[i] == '-') sign = -1;	// 开始判断正负号,已经默认为正了,所以仅作负号判断即可
        if(str[i] == '-' || str[i] == '+') i++;	// 符号位判断结束,i+1开始遍历
        for(int j = i; j < length; j++) {	// 临时变量j,遍历字符串
            if(str[j] < '0' || str[j] > '9') break;	// 每次循环先判断当前字符是否不是数字,若为true,直接跳出循环
            if(res > bndry || res == bndry && str[j] > '7')	// 拼接前,判断是否会越界,若为true,返回
                return sign == 1 ? INT_MAX : INT_MIN;
            res = res * 10 + (str[j] - '0'); // 拼接,10进制
        }
        return sign * res;	// 结束符号位,返回数值
    }
};

考虑四种字符:

  1. 首部空格:直接删除;
  2. 符号位,利用一个int变量sign保存符号位,默认为正,取值为1,若为负,取值为-1,在返回前做正负判断,即在代码最后乘上sign
  3. 非数字字符:碰到首个非数字的字符时,立即返回;
  4. 数字字符:
    1. 字符转数字:此数字的ASCII码与0的ASCII码相减即可,(str[j] - '0');
      1. 数字拼接:从左向右遍历数字,res = res * 10 + (str[j] - '0');

数字越界处理:

在每轮数字拼接前,判断res在此轮拼接后是否超过2147483647,若超过则加上符号位直接返回。

设数字拼接编辑 bndry = 2147483647 // 10 = 214748364,则有以下两种情况越界:

​ res > bndry 情况一:执行拼接10×res≥2147483650越界
​ res = bndry, x > 7 情况二:拼接后是2147483648或2147483649越界

if(res > bndry || res == bndry && str[j] > '7')

剑指Offer 10-Ⅰ. 斐波那契数列

  1. 递归解决,因为当n很大的时候可能会出现数字溢出,所以我们需要用结果对1000000007求余。如果直接对最后的结果求余会有一个问题,即可能还没执行到最后一步就已经溢出了,所以需要对每一步的计算都求余。但由于这样递归的时候会造成大量的重复计算,所以运行起来会超时
class Solution{
public:
    int fib(int n){
        if(n < 2) return n;
        int first = fib(n - 1) % 1000000007;
        int second = fib(n - 2) % 1000000007; 
        return (first + second) % 1000000007;
    }
}
  1. 为了避免重复计算,可以使用一个关联容器map把计算过的值保存,每次计算的时候先从map中查找有没有。
int constant = 1000000007;

public int fib(int n) {
    return fib(n, new HashMap());
}

public int fib(int n, Map map) {
    if (n < 2)
        return n;
    if (map.containsKey(n))
        return map.get(n);
    int first = fib(n - 1, map) % constant;
    map.put(n - 1, first);
    int second = fib(n - 2, map) % constant;
    map.put(n - 2, second);
    int res = (first + second) % constant;
    map.put(n, res);
    return res;
}
作者:sdwwld
链接:https://leetcode-cn.com/problems/fei-bo-na-qi-shu-lie-lcof/solution/di-gui-he-fei-di-gui-liang-chong-fang-shi-du-ji-ba/
  1. 推荐做法:非递归做法动态规划
    • 状态定义:设dp为一维数组,其中dp[i]的值代表斐波那契数列的第i个数字
    • 转移方程:dp[i + 1] = dp[i] + dp[i - 1],即对应数列定义f(n + 1) = f(n) + f(n - 1);
    • 初始状态: dp[0] = 0,dp[1] = 1,即初始化前两个数字;
    • 返回值:dp[n],即斐波那契数列的第n个数字。
public int fib(int n) {
    int constant = 1000000007;
    int a = 0;
    int b = 1;
    for(int i = 0;i < n; i++) {
        int sum = (a + b) % constant;	//先求和,求余法则(x+y)⊙p=(x⊙p+y⊙p)⊙p 
        a = b;	
        b = sum;
    }
    return a;  //为什么要返回a呢?可以自己手写下,当n等于4的时候,返回a的值是5,但sum是8,所以返回a的值才是对的。
}

剑指Offer 10- Ⅱ.青蛙跳台阶问题

动态规划:

若f(x)表示爬到第x级台阶的方案数,由于最后一步可能跨了一级台阶,也可能跨了两级台阶,所以转移方程为:
f ( x ) = f ( x − 1 ) + f ( x − 2 ) f(x) = f(x - 1) + f(x - 2) f(x)=f(x1)+f(x2)
边界条件:爬第0级可以看作只有一种方案,即f(0) = 1;从0级到第1级也只有一种方案,即爬一级,f(1) = 1。

优化:由于f(x) 只和 f(x - 1)与 f(x - 2)有关,所以可以用「滚动数组思想」把空间复杂度优化成 O(1)。

class Solution {
public:
    int climbStairs(int n) {
        int p = 0, q = 0, r = 1;
        for (int i = 1; i <= n; ++i) {
            p = q; 
            q = r; 
            r = p + q;
        }
        return r;
    }
};

剑指Offer 42 - 连续子数组的最大和

标准动态规划解题流程:

  1. **状态定义:**设动态规划列表dpdp[i]代表以元素nums[i]为结尾的连续子数组最大和。

    为何定义最大和dp[i]中必须包含元素nums[i]:保证dp[i]递推到dp[i+1]的正确性;如果不包含nums[i],递推时则不满足题目的连续子数组要求。

  2. **转移方程:**若dp[i - 1] ≤ 0,说明dp[i - 1]dp[i]产生负贡献,即dp[i- 1]+nums[i]还不如nums[i]本身大。
    d p [ i ] = { d p [ i − 1 ] + n u m s [ i ] , d p [ i − 1 ] > 0 n u m s [ i ] , d p [ i − 1 ] ≤ 0 dp[i] = \left\{ \begin{aligned} dp[i−1]+nums[i],dp[i−1]>0\\ nums[i],dp[i−1]≤0 \end{aligned} \right. dp[i]={ dp[i1]+nums[i],dp[i1]>0nums[i],dp[i1]0

  3. 初始状态: dp[0] = nums[0],即以nums[0]结尾的连续子数组最大和为nums[0]

  4. **返回值:**返回dp列表中的最大值。

由于 dp[i]只与 dp[i-1]nums[i]有关系,因此可以将原数组 nums用作 dp列表,即直接在 nums上修改即可。降低至空间复杂度O(1)。

class Solution{
public:
    int maxSubArray(vector& nums){
        int res = nums[0];
        for(auto i = 1; i < nums.size(); i++){
            if(nums[i - 1] > 0) nums[i] += nums[i - 1];
            if(nums[i] > res) res = nums[i];
        }
        return res;
    }
}

剑指Offer 46 - 把数字翻译成字符串

转移方程:力扣刷题笔记_第1张图片

动态规划解析

记数字 n u m num num i i i位数字为$ x_i , 数 字 ,数字 ,num 的 位 数 为 的位数为 n$;

例如: n u m = 12258 num = 12258 num=12258 n = 5 , x 1 = 1 n = 5, x1 = 1 n=5,x1=1

  • 状态定义: 设动态规划列表$ dp,dp[i] 代 表 以 代表以 x_i$为结尾的数字的翻译方案数量。

  • **转移方程:**若 x i x_i xi x i − 1 x_i - 1 xi1组成的两位数字可被整体翻译,则 d p [ i ] = d p [ i − 1 ] + d p [ i − 2 ] dp[i] = dp[i - 1] + dp[i - 2] dp[i]=dp[i1]+dp[i2],否则 d p [ i ] = d p [ i − 1 ] dp[i]=dp[i - 1] dp[i]=dp[i1]
    d p [ i ] = { d p [ i − 1 ] + d p [ i − 2 ] , ( 10 x i − 1 + x i ) ∈ [ 10 , 25 ] d p [ i − 1 ] , ( 10 x i − 1 + x i ) ∈ [ 0 , 10 ) ⋃ ( 25 , 99 ] dp[i] = \left\{ \begin{aligned} dp[i - 1] + dp[i - 2], (10x_{i-1} + x_i)\in [10,25]\\ dp[i - 1], (10x_{i-1} + x_i)\in [0,10)\bigcup (25,99] \end{aligned} \right. dp[i]=dp[i1]+dp[i2],(10xi1+xi)[10,25]dp[i1](10xi1+xi)[0,10)(25,99]

    可被整体翻译的两位数区间分析: 当 x i − 1 = 0 x_{i-1} = 0 xi1=0 时,组成的两位数无法被整体翻译(例如 00, 01, 02,⋯ ),大于 25的两位数也无法被整体翻译(例如 26, 27,⋯ ),因此区间为$ [10, 25] $。

  • 初始状态: d p [ 0 ] = d p [ 1 ] = 1 dp[0] = dp[1] = 1 dp[0]=dp[1]=1,即“无数字”和“第1位数字”的翻译方法数量均为1;

  • 返回值: d p [ n ] dp[n] dp[n],即此数字的翻译方案数量;

class Solution {
public:
    int translateNum(int num) {
        string s = to_string(num); //将数字转化为字符串,方便获取数字的各位x_i,通过遍历s实现动态规划
        int a = 1, b = 1, len = s.size();
        for(int i = 2; i <= len; i++) {
            string tmp = s.substr(i - 2, 2);
            int c = tmp.compare("10") >= 0 && tmp.compare("25") <= 0 ? a + b : a;
            b = a;
            a = c;
        }
        return a;
    }
};

剑指Offer 47 - 礼物的最大价值

解题思路:

根据题目说明,得到某单元格只可能从上边单元格或左边单元格到达。

设$ f(i, j) $ 为从棋盘左上角走至单元格$ (i, j) 的 礼 物 最 大 累 计 价 值 , 易 得 到 以 下 递 推 关 系 : 的礼物最大累计价值,易得到以下递推关系: f(i, j)$ 等于$ f(i, j - 1) $ 和 $ f(i - 1, j) $ 中的较大值加上当前单元格礼物价值$ grid(i, j) $。
f ( i , j ) = m a x [ f ( i , j − 1 ) , f ( i − 1 , j ) ] + g r i d ( i , j ) f(i, j) = max[f(i, j - 1), f(i - 1, j)] + grid(i, j) f(i,j)=max[f(i,j1),f(i1,j)]+grid(i,j)
因此,可用动态规划解决此问题,以上公式编为转移方程。

力扣刷题笔记_第2张图片

**状态定义:**设动态规划矩阵$ dp , , dp(i,j) 代 表 从 棋 盘 的 左 上 角 开 始 , 到 达 单 元 格 代表从棋盘的左上角开始,到达单元格 (i,j)$时能拿到礼物的最大累计价值。

转移方程:

  1. 当 i = 0 且 j = 0 时,为起始元素;

  2. 当 i = 0 且 j ≠ 0 时,为矩阵第一行元素,只可从左边到达;

  3. 当 i ≠ 0 且 j ≠ 0 时,为矩阵第一列元素,只可从上边到达;

  4. 当 i ≠ 0 且 j ≠ 0 时,可从左边或上边到达;
    d p ( i , j ) = { g r i d ( i , j ) , i = 0 , j = 0 g r i d ( i , j ) + d p ( i , j − 1 ) , i = 0 , j ≠ 0 g r i d ( i , j ) + d p ( i − 1 , j ) , i ≠ 0 , j = 0 g r i d ( i , j ) + m a x [ d p ( i − 1 , j ) , d p ( i , j − 1 ) ] , i ≠ 0 , j ≠ 0 dp(i,j) =\left\{ \begin{aligned} grid(i, j),i = 0, j = 0\\ grid(i, j) + dp(i, j - 1) ,i = 0, j \not= 0\\ grid(i, j) + dp(i - 1, j) ,i \not= 0, j = 0\\ grid(i, j) + max[dp(i - 1,j), dp(i, j - 1)] ,i \not= 0, j\not= 0 \end{aligned} \right. dp(i,j)=grid(i,j),i=0,j=0grid(i,j)+dp(i,j1),i=0,j=0grid(i,j)+dp(i1,j),i=0,j=0grid(i,j)+max[dp(i1,j),dp(i,j1)],i=0,j=0

初始状态: d p [ 0 ] [ 0 ] = g r i d [ 0 ] [ 0 ] dp[0][0] = grid[0][0] dp[0][0]=grid[0][0],即到达单元格(0, 0)时能拿到礼物的最大累计价值为 g r i d [ 0 ] [ 0 ] grid[0][0] grid[0][0]

返回值: d p [ m − 1 ] [ n − 1 ] dp[m - 1][n - 1] dp[m1][n1],m, n分别为矩阵的行高和列宽,即返回 d p dp dp矩阵右下角元素。

空间复杂度降低:

  • 由于$ dp[i][j] 只 与 只与 dp[i - 1][j], dp[i][j - 1], grid[i][j]$有关系,因此可以将原矩阵grid用作dp矩阵,即直接再grid上修改即可。
  • 应用此方法可省去 d p dp dp矩阵使用的额外空间,因此空间复杂度从O(MN)降至O(1)。
class Solution {
public:
    int maxValue(vector>& grid) {
        int m = grid.size(), n = grid[0].size();
        for(int i = 0; i < m; i++){
            for(int j = 0; j < n; j++){
                if(i == 0 && j == 0) continue;
                if(i == 0 && j != 0) {
                    grid[i][j] += grid[0][j - 1];
                    continue;
                }
                if(i != 0 && j == 0){
                    grid[i][j] += grid[i - 1][0];
                    continue;
                }
                grid[i][j] += max(grid[i][j - 1], grid[i - 1][j]);
            }
        }
        return grid[m - 1][n - 1];
    }
};

剑指Offer 48 - 最长不含重复字符子串

请注意理解题目:是找无重复字符

长度为N的字符串公有$ \frac{(1+N)(N)}{2} 个 子 字 符 串 ( 复 杂 度 为 个子字符串(复杂度为 O(N2)$),判断长度为N的字符串是否有重复字符的复杂度为$O(N)$,因此本题使用暴力法解决的复杂度为$O(N3)$。考虑使用动态规划降低时间复杂度。

动态规划解析:

  • **状态定义:**设动态规划列表 d p dp dp d p [ j ] dp[j] dp[j]代表以字符 s [ j ] s[j] s[j]为结尾的"最长不重复子字符串"的长度。

  • **转移方程:**固定右边界 j j j,设字符 s [ j ] s[j] s[j]左边距离最近的相同字符为 s [ i ] s[i] s[i],即 s [ i ] = s [ j ] s[i] = s[j] s[i]=s[j]

    1. i < 0 i < 0 i<0,即 s [ j ] s[j] s[j]左边无相同字符,则 d p [ j ] = d p [ j − 1 ] + 1 dp[j] = dp[j - 1] + 1 dp[j]=dp[j1]+1;
    2. d p [ j − 1 ] < j − i dp[j - 1] < j - i dp[j1]<ji,说明字符 s [ i ] s[i] s[i]在子字符串 d p [ j − 1 ] dp[j - 1] dp[j1]区间之外,则 d p [ j ] = d p [ j − 1 ] + 1 dp[j] = dp[j - 1] + 1 dp[j]=dp[j1]+1;
    3. d p [ j − 1 ] ≥ j − i dp[j - 1] ≥ j - i dp[j1]ji,说明字符 s [ i ] s[i] s[i]在子字符串 d p [ j − 1 ] dp[j - 1] dp[j1]区间之中,则 d p [ j ] dp[j] dp[j]的左边界由 s [ i ] s[i] s[i]决定,即 d p [ j ] = j − i dp[j] = j - i dp[j]=ji

i < 0 i < 0 i<0时,由于$dp[j - 1] ≤ j 恒 成 立 , 因 而 恒成立,因而 dp[j - 1] < j - i$恒成立,因此分支1.2.可被合并。

d p [ j ] = { d p [ j − 1 ] + 1 , d p [ j − 1 ] < j − i j − i , d p [ j − 1 ] ≥ j − i dp[j]=\left\{ \begin{aligned} dp[j - 1] + 1,dp[j-1]dp[j]={ dp[j1]+1,dp[j1]<jiji,dp[j1]ji

  • 返回值: m a x ( d p ) max(dp) max(dp),即全局的”最长不重复子字符串“的长度。

    力扣刷题笔记_第3张图片

空间复杂度降低:

  • 由于返回值是取 d p dp dp列表最大值,因此可借助变量 t m p tmp tmp存储 d p [ j ] dp[j] dp[j],变量 r e s res res每轮更新最大值即可。
  • 此优化可节省 d p dp dp列表使用的 O ( N ) O(N) O(N)大小的额外空间。

待解决问题:每轮遍历字符 s [ j ] s[j] s[j]时,如何计算索引 i i i

方法一:动态规划 + 哈希表

  • 哈希表统计:遍历字符串 s s s时,使用哈希表(记为 d i c dic dic)统计各字符最后一次出现的索引位置
  • **左边界i获取方式:**遍历到 s [ j ] s[j] s[j]时,可通过访问哈希表 d i c [ s [ j ] ] dic[s[j]] dic[s[j]]获取最近的相同字符的索引 i i i
class Solution {
public:
    int lengthOfLongestSubstring(string s) {
        unordered_map dic;
        int res = 0, tmp = 0, len = s.size(), i = -1;
        for(int j = 0; j < len; j++){
            if(dic.find(s[j]) == dic.end()) i = -1;
            else i = dic.find(s[j])->second; // 获取索引i
            dic[s[j]] = j;	// 更新哈希表
            tmp = tmp < j - i? tmp + 1: j - i;
            res = max(res, tmp);
        }
        return res;
    }
};

方法二:动态规划 + 线性遍历

  • **左边界 i i i获取方式:**遍历到 s [ j ] s[j] s[j]时,初始化索引 i = j − 1 i= j - 1 i=j1,向左遍历搜索第一个满足 s [ i ] = s [ j ] s[i] = s[j] s[i]=s[j]的字符即可。
class Solution{
public:
	int lengthOfLongestSubstring(string s){
        int res = 0, tmp = 0, len = s.size();
        for(int j = 0; j < len; j++){
            int i = j - 1;
            while(i >= 0 && s[i] != s[j]) i--;	//线性查找
            tmp = tmp < j - i ? tmp + 1: j - i;	//dp[j - 1]->dp[j]
            res = max(res, tmp);	//max(dp[j-1], dp[j])
        }
        return res;
    }
}

方法三:双指针 + 哈希表

  • **哈希表 d i c dic dic统计:**指针 j j j遍历字符 s s s,哈希表统计字符 s [ j ] s[j] s[j]最后一次出现的索引。

  • **更新左指针i:**根据上轮左指针 i i i d i c [ s [ j ] ] dic[s[j]] dic[s[j]],每轮更新左边界 i i i,保证区间 [ i + 1 , j ] [i + 1, j] [i+1,j]内无重复字符且最大。
    i = m a x ( d i c [ s [ j ] ] , i ) i = max(dic[s[j]], i) i=max(dic[s[j]],i)

  • **更新结果 r e s res res:**取上轮 r e s res res和本轮双指针区间 [ i + 1 , j ] [i + 1, j] [i+1j]的宽度(即 j − i j - i ji)中的最大值。
    r e s = m a x ( r e s , j − i ) res = max(res, j - i) res=max(res,ji)

class Solution{
public:
	int lengthOfLongestSubstring(string s){
		unordered_map dic;
        int i = -1, res = 0, len = s.size();
        for(int j = 0; j < len; j++){
            if(dic.find(s[j]) != dic.end())
                i = max(i, dic.find(s[j])->second);	// 更新左指针
            dic[s[j]] = j;	// 更新哈希表记录
            res = max(res, j - i);	// 更新结果
        }
        return res;
    }
}

剑指Offer 49 - 丑数

参考:

作者:LZH_Yves
链接:https://leetcode-cn.com/problems/ugly-number-ii/solution/bao-li-you-xian-dui-lie-xiao-ding-dui-dong-tai-gui/

题目描述:只包含质因子 2、3 和 5 的数称作丑数(Ugly Number)。求按从小到大的顺序的第 n 个丑数。

解题思路:

抽数的递推性质:丑数只包含因子2,3,5,因此有"丑数=某较小丑数 x 某因子"(例如:10 = 5 x 2)。

设已知长度为 n n n的丑数序列 x 1 , x 2 , . . . , x n x_{1},x_{2},...,x_{n} x1,x2,...,xn,求第n+1个丑数 x n + 1 x_{n+1} xn+1。根据递推性质,丑数 x n + 1 x_{n+1} xn+1只可能是以下三种情况其中之一(索引a,b,c为未知数):
x n + 1 = { x a × 2 , a ∈ [ 1 , n ] x b × 3 , b ∈ [ 1 , n ] x c × 5 , c ∈ [ 1 , n ] x_{n+1} = \left\{ \begin{aligned} x_{a} \times 2, a \in [1,n]\\ x_{b} \times 3, b \in [1,n]\\ x_{c} \times 5, c \in [1,n] \end{aligned} \right. xn+1=xa×2,a[1,n]xb×3,b[1,n]xc×5,c[1,n]
方法一:暴力法(brute force)

为啥我脑子里得暴力法是拿一个个数去除,人家想的就不一样,菜的扣脚!

class Solution{
public:
    int nthUglyNumber(int n){
        vector v;
        for(long long a = 1; a <= INT_MAX; a = a * 2)
            for(long long b = a; b <= INT_MAX; b = b * 3)
                for(long long c = b; c <= INT_MAX; c = c * 5)
                    v.push_back(c);
        sort(v.begin(), v.end());
        return v.at(n - 1);
    }
};

方法二:动态规划

丑数递推公式:若索引a,b,c满足以上条件,则下个丑数 x n + 1 x_{n+1} xn+1为以下三种情况中的最小值:
x n + 1 = m i n ( x a × 2 , x b × 3 , x c × 5 ) x_{n+1}=min(x_{a} \times 2, x_{b} \times 3, x_{c} \times 5) xn+1=min(xa×2,xb×3,xc×5)
由于 x n + 1 x_{n+1} xn+1是最接近 x n x_{n} xn的丑数,因此索引a,b,c需满足以下条件:
{ x a × 2 > x n ≥ x a − 1 × 2 , 即 x a 为 首 个 乘 以 2 后 大 于 x n 的 丑 数 x b × 3 > x n ≥ x b − 1 × 3 , 即 x b 为 首 个 乘 以 3 后 大 于 x n 的 丑 数 x c × 5 > x n ≥ x c − 1 × 5 , 即 x c 为 首 个 乘 以 5 后 大 于 x n 的 丑 数 \left\{ \begin{aligned} x_{a} \times 2 > x_{n} \geq x_{a-1} \times 2, 即x_{a}为首个乘以2后大于x_{n}的丑数\\ x_{b} \times 3 > x_{n} \geq x_{b-1} \times 3, 即x_{b}为首个乘以3后大于x_{n}的丑数\\ x_{c} \times 5 > x_{n} \geq x_{c-1} \times 5, 即x_{c}为首个乘以5后大于x_{n}的丑数 \end{aligned} \right. xa×2>xnxa1×2,xa2xnxb×3>xnxb1×3,xb3xnxc×5>xnxc1×5,xc5xn
力扣刷题笔记_第4张图片

设置指针a,b,c指向首个丑数(即1),循环根据递推公式得到下个丑数,并每轮将对应指针执行+1即可。

  • **状态定义:**设动态规划列表 d p dp dp d p [ i ] dp[i] dp[i]代表第 i + 1 i+1 i+1个丑数;

  • 转移方程:

    1. 当索引 a , b , c a,b,c a,b,c满足以下条件时, d p [ i ] dp[i] dp[i]为三种情况的最小值

    2. 每轮计算 d p [ i ] dp[i] dp[i]后,需要更新索引 a , b , c a,b,c a,b,c的值,使其始终满足方程条件。实现方法:分别独立判断 d p [ i ] dp[i] dp[i] d p [ a ] × 2 dp[a] \times 2 dp[a]×2

      d p [ b ] × 3 dp[b] \times 3 dp[b]×3 d p [ c ] × 5 dp[c] \times 5 dp[c]×5 的大小关系,若相等则将对应索引a,b,c加1;
      { d p [ a ] × 2 > d p [ i − 1 ] ≥ d p [ a − 1 ] × 2 d p [ b ] × 3 > d p [ i − 1 ] ≥ d p [ b − 1 ] × 3 d p [ c ] × 3 > d p [ i − 1 ] ≥ d p [ c − 1 ] × 3 \left\{ \begin{aligned} dp[a] \times 2 > dp[i-1] \geq dp[a-1] \times 2\\ dp[b] \times 3 > dp[i-1] \geq dp[b-1] \times 3\\ dp[c] \times 3 > dp[i-1] \geq dp[c-1] \times 3 \end{aligned} \right. dp[a]×2>dp[i1]dp[a1]×2dp[b]×3>dp[i1]dp[b1]×3dp[c]×3>dp[i1]dp[c1]×3

  • 初始状态: d p [ 0 ] = 1 dp[0]=1 dp[0]=1,即第一个丑数为1;

  • 返回值: d p [ n − 1 ] dp[n-1] dp[n1],即返回第n个丑数。

class Solution{
public:
    int nthUglyNumber(int n){
        int a = 0, b = 0, c = 0;
        int dp[n];
        dp[0] = 1;
        for(int i = 1; i < n; i++){
            int n2 = dp[a] * 2, n3 = dp[b] * 3, n5 = dp[c] * 5;
            dp[i] = min(min(n2, n3), n5);
            if(dp[i] == n2) a++;
            if(dp[i] == n3) b++;
            if(dp[i] == n5) c++;
        }
        return dp[n - 1];
    }
};

方法三:优先队列(小顶堆)

利用优先队列有自动排序的功能
每次取出队头元素,存入队头元素*2、队头元素*3、队头元素*5
但注意,像 12 这个元素,可由 4 乘 3 得到,也可由 6 乘 2 得到,所以要注意去重

class Solution {
public:
    int nthUglyNumber(int n) {
        priority_queue ,greater > q; // 一定要有空格,不然成了右移运算符
        double answer=1;
        for (int i=1;i,greater > q;
        set s;
        s.insert(1);
        vector mask({2,3,5});
        double answer=1;
        for (int i=1;i

剑指Offer 63 - 股票的最大利润

动态规划解析:

  • **状态定义:**设动态规划列表 d p dp dp d p [ i ] dp[i] dp[i]代表以 p r i c e s [ i ] prices[i] prices[i]为结尾的子数组的最大利润(以下简称为前 i i i日的最大利润)。

  • **转移方程:**由于题目限定“买卖该股票一次”,因此前i日最大利润 d p [ i ] dp[i] dp[i]等于前 i − 1 i - 1 i1日最大利润 d p [ i − 1 ] dp[i- 1] dp[i1]和第 i i i日卖出的最大利润中的最大值。
    d p [ i ] = m a x ( d p [ i − 1 ] , p r i c e s [ i ] − m i n ( p r i c e s [ 0 : i ] ) ) dp[i] = max(dp[i-1],prices[i]-min(prices[0:i])) dp[i]=max(dp[i1],prices[i]min(prices[0:i]))

  • 初始状态: d p [ 0 ] = 0 dp[0] = 0 dp[0]=0,即首日利润为0;

  • 返回值: d p [ n − 1 ] dp[n - 1] dp[n1],其中 n n n d p dp dp列表长度。

    力扣刷题笔记_第5张图片

时间复杂度降低:

前i日的最低价格 m i n ( p r i c e s [ 0 : i ] ) min(prices[0:i]) min(prices[0:i])时间复杂度为 O ( i ) O(i) O(i)。而在遍历 p r i c e s prices prices时,可以借助一个变量(记为成本 c o s t cost cost)每日更新最低价格。优化后的转移方程为:
d p [ i ] = m a x ( d p [ i − 1 ] , p r i c e s [ i ] − m i n ( c o s t , p r i c e s [ i ] ) ) dp[i]=max(dp[i-1],prices[i]-min(cost,prices[i])) dp[i]=max(dp[i1],prices[i]min(cost,prices[i]))
空间复杂度降低:

由于 d p [ i ] dp[i] dp[i]只与 d p [ i − 1 ] , p r i c e s [ i ] , c o s t dp[i-1], prices[i], cost dp[i1],prices[i],cost相关,因此可使用一个变量(记为利润 p r o f i t profit profit)代替 d p dp dp列表。优化后的转移方程为:
p r o f i t = m a x ( p r o f i t , p r i c e s [ i ] − m i n ( c o s t , p r i c e s [ i ] ) ) profit = max(profit, prices[i] - min(cost, prices[i])) profit=max(profit,prices[i]min(cost,prices[i]))

class Solution {
public:
    int maxProfit(vector& prices) {
        int cost = INT_MAX, profit = 0;
        for(int price : prices) {
            cost = min(cost, price);
            profit = max(profit, price - cost);
        }
        return profit;
    }
};

搜索与回溯算法

剑指Offer 12 - 矩阵中的路径

典型的矩阵搜索问题,可使用深度优先搜索(DFS)+剪枝

  • **深度优先搜索:**可以理解为暴力法遍历矩阵中所有字符串可能性。DFS通过递归,先朝一个方向搜到底,再回溯至上个节点,沿另一个方向搜索,以此类推。
  • 剪枝:在搜索中,遇到这条路不可能和目标字符串匹配成功的情况(例如:此矩阵元素和目标字符不同、此元素已被访问),则应立即返回,称之为可行性剪枝
力扣刷题笔记_第6张图片

DFS解析:

  • **递归参数:**当前元素在矩阵board中的行列索引ij,当前目标字符在word中的索引k

  • 终止条件:

    1. 返回false:(1)行或列索引越界;or(2)当前矩阵元素与目标字符不同;or(3)当前矩阵元素已访问过((3)可合并至(2))。
    2. 返回truek = len(word) - 1,即字符串word已全部匹配。
  • 递推工作:

    1. 标记当前矩阵元素:将board[i][j]修改为空字符,代表此元素已访问过,防止之后搜索时重复访问。
    2. 搜索下一单元格:朝当前元素的上、下、左、右四个方向开启下层递归,使用连接(代表只需找到一条可行路径就直接返回,不再做后续DFS),并记录结果至res
    3. 还原当前矩阵元素:将board[i][j]元素还原至初始值,即word[k]
  • **返回值:**返回布尔量res,代表是否搜索到目标字符串。

使用空字符(Python: ‘’ , Java/C++: ‘\0’ )做标记是为了防止标记字符与矩阵原有字符重复。当存在重复时,此算法会将矩阵原有字符认作标记字符,从而出现错误。

复杂度分析:

M,N 分别为矩阵行列大小, KK 为字符串 word 长度。

  • 时间复杂度 O ( 3 K M N ) O(3^{K}MN) O(3KMN):最差情况下,需要遍历矩阵中长度为K字符串的所有方案,时间复杂度为 O ( 3 K ) O(3^{K}) O(3K);矩阵中共有MN个起点,时间复杂度为 O ( M N ) O(MN) O(MN)
    • 方案数计算:设字符串长度为K,搜索中每个字符有上、下、左、右四个方向可以选择,舍弃回头(上个字符)的方向,剩下3种选择,因此方案数的复杂度为 O ( 3 K ) O(3^{K}) O(3K)
  • 空间复杂度 O ( K ) O(K) O(K):搜索过程中的递归深度不超过K,因此系统因函数调用累计使用的栈空间占用 O ( K ) O(K) O(K)(因为函数返回后,系统调用的栈空间会释放)。最坏情况下K = MN,递归深度为MN,此时系统栈使用O(MN)的额外空间。
//C++:
class Solution {
public:
    bool exist(vector>& board, string word) {
        rows = board.size();
        cols = board[0].size();
        for(int i = 0; i < rows; i++) {
            for(int j = 0; j < cols; j++) {
                if(dfs(board, word, i, j, 0)) return true;
            }
        }
        return false;
    }
private:
    int rows, cols;
    bool dfs(vector>& board, string word, int i, int j, int k) {
        if(i >= rows || i < 0 || j >= cols || j < 0 || board[i][j] != word[k]) return false;
        if(k == word.size() - 1) return true;
        board[i][j] = '\0';
        bool res = dfs(board, word, i + 1, j, k + 1) || dfs(board, word, i - 1, j, k + 1) || 
                      dfs(board, word, i, j + 1, k + 1) || dfs(board, word, i , j - 1, k + 1);
        board[i][j] = word[k];
        return res;
    }
};

#python:
class Solution:
    def exist(self, board: List[List[str]], word: str) -> bool:
        def dfs(i, j, k):
            if not 0 <= i < len(board) or not 0 <= j < len(board[0]) or board[i][j] != word[k]: return False
            if k == len(word) - 1: return True
            board[i][j] = ''
            res = dfs(i + 1, j, k + 1) or dfs(i - 1, j, k + 1) or dfs(i, j + 1, k + 1) or dfs(i, j - 1, k + 1)
            board[i][j] = word[k]
            return res

        for i in range(len(board)):
            for j in range(len(board[0])):
                if dfs(i, j, 0): return True
        return False

剑指Offer 13 - 机器人的运动范围

解题思路:

本题与矩阵中的路径类似,时典型的搜索&回溯问题。在介绍回溯算法前,为提升计算效率,需要先了解两项前置工作:数位之和计算、可达解分析。——自行百度

方法一:深度优先遍历DFS

  • 深度优先搜索:可以理解为暴力法模拟机器人在矩阵中的所有路径。DFS通过递归,先朝一个方向搜到底,再回溯至上个节点,沿另一个方向搜索,以此类推。
  • 剪枝:在搜索中,遇到数位和超出目标值、此元素已访问,则应立即返回,称之为可行性剪枝

算法解析:

  • **递归参数:**当前元素在矩阵中的行列索引 i i i j j j,两者的数位和 s i si si s j sj sj

  • **终止条件:**当(1)行列索引越界 or (2)数位和超过目标值k or (3)当前元素已访问过时,返回0,代表不计入可达解。

  • 递推工作:

    1. 标记当前单元格:将索引(i, j)存入Set visited中,代表此单元格已被访问过。
    2. 搜索下一单元格:计算当前元素的下、右两个方向元素的数位和,并开启下层递归。
  • **回溯返回值:**返回1 + 右方搜索的可达解总数 + 下方搜索的可达解总数,代表从本单元格递归搜索的可达解总数。

复杂度分析:

​ 设矩阵行列数分别为M, N。

  • 时间复杂度O(MN):最差情况下,机器人遍历矩阵所有单元格,此时时间复杂度为O(MN)。
  • 空间复杂度O(MN):最差情况下,Set visited内存储矩阵所有单元格的索引,使用O(MN)的额外空间。
//C++
class Solution{
public:
    int movingCount(int m, int n, int k){
        vector> visited(m, vector(n, 0)); // MN矩阵初始化,每个元素默认为0
        return dfs(0, 0, 0, 0, visited, m, n, k);
    }
private:
    int dfs(int i, int j, int si, int sj, vector>& visited, int m, int n, int k){
        if(i >= m || j >= n || k < si + sj || visited[i][j]) return 0;
        visited[i][j] = true;
        return 1 + dfs(i + 1, j, (i + 1) % 10 != 0 ? si + 1 : si - 8, sj, visited, m, n, k) +
                   dfs(i, j + 1, si, (j + 1) % 10 != 0 ? sj + 1 : sj - 8, visited, m, n, k);
    }
};
class Solution:
    def movingCount(self, m: int, n: int, k: int) -> int:
        def dfs(i, j, si, sj):
            if i >= m or j >= n or k < si + sj or (i, j) in visited: return 0
            visited.add((i,j))
            return 1 + dfs(i + 1, j, si + 1 if (i + 1) % 10 else si - 8, sj) + dfs(i, j + 1, si, sj + 1 if (j + 1) % 10 else sj - 8)

        visited = set()
        return dfs(0, 0, 0, 0)

方法二:广度优先遍历BFS

  • BFS/DFS : 两者目标都是遍历整个矩阵,不同点在于搜索顺序不同。DFS 是朝一个方向走到底,再回退,以此类推;BFS 则是按照“平推”的方式向前搜索。
  • BFS 实现: 通常利用队列实现广度优先遍历。

算法解析:

  • 初始化: 将机器人初始点 (0, 0)加入队列 queue

  • 迭代终止条件: queue 为空。代表已遍历完所有可达解;

  • 迭代工作:

    1. 单元格出队: 将队首单元格的 索引、数位和 弹出,作为当前搜索单元格。
    2. 判断是否跳过: 若 ① 行列索引越界 ② 数位和超出目标值 k ③ 当前元素已访问过 时,执行 continue
    3. 标记当前单元格 :将单元格索引 (i, j) 存入 Set visited 中,代表此单元格 已被访问过
    4. 单元格入队: 将当前元素的 下方、右方 单元格的 索引、数位和 加入 queue
  • 返回值: Set visited 的长度 len(visited) ,即可达解的数量。

复杂度分析:与方法一一致。

// C++
class Solution{
public:
    int movingCount(int m, int n, int k){
        vector> visited(m, vector(n, 0));
        int res = 0;	// 统计可达解数量
        queue> que;
        que.push({ 0, 0, 0, 0}); // 初始点(0, 0)的索引和数位和
        while(que.size() > 0){
            vector x = que.front();
            que.pop();
            int i = x[0], j = x[1], si = x[2], sj = x[3];
            if(i >= m || j >= n || k < si + sj || visited[i][j]) continue;
            visited[i][j] = true;
            res++;
            que.push({ i + 1, j, (i + 1) % 10 != 0 ? si + 1 : si - 8, sj});
            que.push({i, j + 1, si, (j + 1) % 10 != 0 ? sj + 1 : sj - 8});
        }
        return res;
    }
};
#python
class Solution:
    def movingCount(self, m: int, n: int, k: int) -> int:
        queue, visited, = [(0, 0, 0, 0)], set()
        while queue:
            i, j, si, sj = queue.pop(0)
            if i >= m or j >= n or k < si + sj or (i, j) in visited: continue
            visited.add((i,j))
            queue.append((i + 1, j, si + 1 if (i + 1) % 10 else si - 8, sj))
            queue.append((i, j + 1, si, sj + 1 if (j + 1) % 10 else sj - 8))
        return len(visited)

剑指Offer 26 - 树的子结构

解题思路:

若树 B 是树 A 的子结构,则子结构的根节点可能为树 A 的任意一个节点。因此,判断树 B 是否是树 A 的子结构,需完成以下两步工作:

  1. 先序遍历A 中的每个节点 n A n_{A} nA;(对应函数 isSubStructure(A, B)
  2. 判断树 A n A n_{A} nA 为根节点的子树是否包含树 B 。(对应函数 recur(A, B)
力扣刷题笔记_第7张图片

算法流程:

名词规定:树A的根节点记作节点A,数B的根节点记作节点B

recur(A, B)函数:

1.终止条件:

  1. 当节点 B 为空:说明树 B 已匹配完成(越过叶子节点),因此返回 true;
  2. 当节点 A 为空:说明已经越过树 A 的叶节点,即匹配失败,返回 false;
  3. 当节点 AB 的值不同:说明匹配失败,返回 false;

2.返回值:

  1. 判断 AB左子节点 是否相等,即 recur(A.left, B.left)
  2. 判断 AB右子节点 是否相等,即 recur(A.right, B.right)

isSubStructure(A, B) 函数:

  1. **特例处理:**当 树 A 为空 B 为空 时,直接返回 false;

  2. 返回值: 若树 B 是树 A 的子结构,则必满足以下三种情况之一,因此用或 || 连接;

    1. 节点 A 为根节点的子树 包含树 B ,对应 recur(A, B)
    2. BA 左子树 的子结构,对应 isSubStructure(A.left, B)
    3. BA 右子树 的子结构,对应 isSubStructure(A.right, B)

    以上 2. 3. 实质上是在对树 A先序遍历

复杂度分析:

  • 时间复杂度 O(MN) : 其中 M, N分别为树 A 和 树 B 的节点数量;先序遍历树 A 占用 O(M),每次调用 recur(A, B) 判断占用 O(N)。
  • 空间复杂度 O(M): 当树 A 和树 B 都退化为链表时,递归调用深度最大。当 M≤N 时,遍历树 A 与递归判断的总递归深度为 M;当 M>N 时,最差情况为遍历至树 A 的叶节点,此时总递归深度为 M。
//C++:

class Solution{
public:
    bool isSubStructure(TreeNode* A, TreeNode* B){
        return (A != nullptr && B != nullptr) && (recur(A, B) || isSubStructure(A->left, B) || isSubStructure(A->right, B));
    }
private:
    bool recur(TreeNode* A, TreeNode* B){
        if(B == nullptr) return true;
        if(A == nullptr || A->val != B->val) return false;
        return recur(A->left, B->left) && recur(A->right, B->right);
    }
};
#python

class Solution:
    def isSubStructure(self, A: TreeNode, B: TreeNode) -> bool:
        def recur(A, B):
            if not B: return True
            if not A or A.val != B.val: return False
            return recur(A.left, B.left) and recur(A.right, B.right)
        
        return bool(A and B) and (recur(A, B) or self.isSubStructure(A.left, B) or self.isSubStructure(A.right, B))

剑指Offer 27 - 二叉树的镜像

二叉树镜像定义: 对于二叉树中任意节点 root,设其左 / 右子节点分别为 left, right ;则在二叉树的镜像中的对应 root 节点,其左 / 右子节点分别为 right, left 。

力扣刷题笔记_第8张图片

方法一:递归法

  • 根据二叉树镜像的定义,考虑递归遍历(dfs)二叉树,交换每个节点的左 / 右子节点,即可生成二叉树的镜像。
  1. **终止条件:**当节点 root为空时(即越过叶节点),则返回 null;

  2. 递推工作:

    1. 初始化节点tmp,用于暂存root的左子节点;
      1. 开启递归 右子节点 mirrorTree(root.right),并将返回值作为 root的 左子节点
      2. 开启递归 左子节点 mirrorTree(tmp),并将返回值作为 root的 右子节点
  3. **返回值:**返回当前节点root。

复杂度分析:

  • 时间复杂度O(N): 其中N为二叉树的节点数量,建立二叉树镜像需要遍历树的所有节点,占用O(N)时间。
  • **空间复杂度O(N): **最差情况下(当二叉树退化为链表),递归时系统需使用O(N)大小的栈空间
// Cpp
/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    TreeNode* mirrorTree(TreeNode* root) {
        if (root == nullptr) return nullptr;
        TreeNode* tmp = root->left;
        root->left = mirrorTree(root->right);
        root->right = mirrorTree(tmp);
        return root;
    }
};
# python
class Solution:
    def mirrorTree(self, root: TreeNode) -> TreeNode:
        if not root: return
        root.left, root.right = self.mirrorTree(root.right), self.mirrorTree(root.left)
        return root
    
class Solution:
    def mirrorTree(self, root: TreeNode) -> TreeNode:
        if not root: return
        tmp = root.left
        root.left = self.mirrorTree(root.right)
        root.right = self.mirrorTree(tmp)
        return root

方法二:辅助栈(或队列)

  • 利用栈(或队列)遍历树的所有节点node,并交换每个node的左/右子节点。

算法流程:

  1. **特例处理:**当root为空时,直接返回null;

  2. **初始化:**栈(或队列),并加入根节点root。

  3. **循环交换:**当栈stack为空时跳出:;

    1. 出栈:记为node;
      1. 添加子节点:将node左和右子节点入栈;
      2. 交换:交换node的左/右子节点。
  4. **返回值:**返回根节点root。

复杂度分析:

  • 时间复杂度O(N): 其中N为二叉树的节点数量,建立二叉树镜像需要遍历树的所有节点,占用O(N)时间。
  • **空间复杂度O(N): **最差情况下(当为满二叉树时),栈stack最多同时存储N/2个节点,占用O(N)额外空间。
// cpp
class Solution {
public:
    TreeNode* mirrorTree(TreeNode* root) {
        if(root == nullptr) return nullptr;
        stack stack;
        stack.push(root);
        while(!stack.empty())
        {
            TreeNode* node = stack.top();
            stack.pop();
            if (node->left != nullptr) stack.push(node->left);
            if (node->right != nullptr) stack.push(node->right);
            TreeNode* tmp = node->left;
            node->left = node->right;
            node->right = tmp;
        }
        return root;
    }
};
# python
class Solution:
    def mirrorTree(self, root: TreeNode) -> TreeNode:
        if not root: return
        stack = [root]
        while stack:
            node = stack.pop()
            if node.left: stack.append(node.left)
            if node.right: stack.append(node.right)
            node.left, node.right = node.right, node.left
        return root

剑指Offer 28 - 对称的二叉树

解题思路:

对称二叉树定义: 对于树中 任意两个对称节点 LR,一定有:

  • L.val = R.val :即此两对称节点值相等;
  • L.left.val = R.right.val :即 L的左子节点 和 R的右子节点对称;
  • L.right.val = R.left.val :即 L的右子节点 和 R的左子节点对称。

根据定义,自上而下递归,判断每对左右节点是否对称,从而判断树是否为对称二叉树。

力扣刷题笔记_第9张图片

算法流程:

isSymmetric(root):

  • 特例处理:若根节点root为空,则直接返回true
  • 返回值:recur(root.left, root.right) ;

recur(L, R)

  • 终止条件:
    • LR 同时越过叶节点: 此树从顶至底的节点都对称,因此返回 true ;
    • LR 中只有一个越过叶节点: 此树不对称,因此返回 false;
    • 当节点 L ≠ \not = = 节点 R 值: 此树不对称,因此返回 false;
  • 递推工作:
    • 判断两节点 L.leftR.right 是否对称,即 recur(L.left, R.right)
    • 判断两节点 L.rightR.left 是否对称,即 recur(L.right, R.left)
  • 返回值: 两对节点都对称时,才是对称树,因此用与逻辑符 && 连接。
//cpp
/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    bool isSymmetric(TreeNode* root) {
        if (root == nullptr) return true;
        return recur(root->left, root->right);
    }
    bool recur(TreeNode* lhs, TreeNode* rhs){
        if( lhs == nullptr && rhs == nullptr) return true;
        if( lhs == nullptr || rhs == nullptr || lhs->val != rhs->val) return false;
        return recur(lhs->left, rhs->right) && recur(lhs->right, rhs->left); 
    }
};
class Solution:
    def isSymmetric(self, root: TreeNode) -> bool:
        def recur(L, R):
            if not L and not R: return True
            if not L or not R or L.val != R.val: return false
            return recur(L.left, R.right) and recur(L.right, R.left)
       	
        return not root or recur(root.left, root.right)

剑指Offer 32 - 从上到下打印二叉树Ⅰ

题目描述:从上到下打印出二叉树的每个节点,同一层的节点按照从左到右的顺序打印。

解题思路:

层序遍历,也称为二叉树的广度优先搜索(BFS)。BFS通常借助队列的的先入先出特性来实现。划重点

算法流程:

  1. 特例处理: 当树的根节点为空,则直接返回空列表 []
  2. 初始化: 打印结果列表 res = [] ,包含根节点的队列 queue = [root]
  3. BFS 循环: 当队列 queue 为空时跳出;
    1. 出队: 队首元素出队,记为 node
    2. 打印:node.val 添加至列表 tmp 尾部;
    3. 添加子节点:node 的左(右)子节点不为空,则将左(右)子节点加入队列 queue
  4. 返回值: 返回打印结果列表 res 即可。
class Solution{
public:
	vector levelOrder(TreeNode* root){
        vector res;
        if(!root) return res;
        TreeNode* que;
        queue que;
        que.push(root);
        while(!que.empty()){
            TreeNode* node = que.front();
            que.pop();
            res.push_back(node->val);
            if(node->left) que.push(node->left);
            if(node->right) que.push(node->right);
        }
        return res;
    }
};

剑指Offer 32 - 从上到下打印二叉树Ⅱ

题目描述:从上到下按层打印二叉树,同一层的节点按从左到右的顺序打印,每一层打印到一行。

与上一题不同的是本题要求将每层的全部节点打印到一行。

解题思路:

  1. 按层打印: 题目要求的二叉树的 从上至下 打印(即按层打印),又称为二叉树的 广度优先搜索(BFS)。BFS 通常借助 队列 的先入先出特性来实现。

  2. 每层打印到一行: 将本层全部节点打印到一行,并将下一层全部节点加入队列,以此类推,即可分为多行打印。

    力扣刷题笔记_第10张图片

算法流程:

  1. 特例处理: 当根节点为空,则返回空列表 []
  2. 初始化: 打印结果列表 res = [] ,包含根节点的队列 queue = [root]
  3. BFS 循环: 当队列 queue 为空时跳出;
    1. 新建一个临时列表 tmp ,用于存储当前层打印结果;
    2. 当前层打印循环: 循环次数为当前层节点数(即队列 queue 长度);
      1. 出队: 队首元素出队,记为 node
      2. 打印:node.val 添加至 tmp 尾部;
      3. 添加子节点:node 的左(右)子节点不为空,则将左(右)子节点加入队列 queue
    3. 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。
// cpp
class Solution{
public:
    vector> levelOrder(TreeNode* root){
        queue que;
        vector> res;
        int cnt = 0;
        if(root != NULL) que.push(root);
        while(!que.empty()){
            vector tmp;
            for(int i = que.size(); i > 0; --i){
                root = que.front();
                que.pop();
                tmp.push_back(root->val);
                if(root->left != NULL) que.push(root->left);
                if(root->right != NULL) que.push(root->right);
            }
            res.push_back(tmp);
        }
        return res;
    }
};
# python

class Solution:
    def levelOrder(self, root:TreeNode)-> List[List[int]]:
        if not root: return []
        res, queue = [], collections.deque()
        queue.append(root)
        while queue:
            tmp = []
            for _ in range(len(queue)):
                node = queue.popleft()
                tmp.append(node.val)
                 if node.left: queue.append(node.left)
                if node.right: queue.append(node.right)
            res.append(tmp)
        return res

剑指Offer 32 - 从上到下打印二叉树Ⅲ

与前两题相比,本题要求打印顺序交替变化:

力扣刷题笔记_第11张图片

方法一:层序遍历+双端队列

  • 利用双端队列的两端皆可添加元素的特性,设打印列表(双端队列)tmp,并规定:
    • 奇数层 则添加至tmp尾部
    • 偶数层 则添加至tmp头部

算法流程:

  1. 特例处理:当树的根节点为空,则直接返回空列表 []
  2. 初始化: 打印结果空列表 res ,包含根节点的双端队列 deque
  3. BFS 循环:deque 为空时跳出;
    1. 新建列表 tmp ,用于临时存储当前层打印结果;
    2. 当前层打印循环: 循环次数为当前层节点数(即 deque 长度);
      1. 出队: 队首元素出队,记为 node
      2. 打印: 若为奇数层,将 node.val 添加至 tmp 尾部;否则,添加至 tmp 头部;
      3. 添加子节点:node 的左(右)子节点不为空,则加入 deque
    3. 将当前层结果 tmp 转化为 list 并添加入 res
  4. 返回值: 返回打印结果列表 res 即可;
class Solution:
    def levelOrder(self, root: TreeNode) ->List[List[int]]:
        if not root: return []
        res, deque = [], collections.deque([root])
        while deque:
            tmp = collections.deque()
            for _ in range(len(deque)):
                node = deque.popleft()
                if len(res) % 2 == 0: tmp.append(node.val)
                else: tmp.appendleft(node.val)
                if node.left: deque.append(node.left)
                if node.right: deque.append(node.right)
            res.append(list(tmp))
        return res

方法二:层序遍历 + 双端队列(奇偶层逻辑分离)

  • 方法一代码简短、容易实现;但需要判断每个节点的所在层奇偶性,即冗余了N次判断
  • 通过将奇偶层逻辑拆分,可以消除冗余的判断

算法流程:

与方法一对比,仅BFS循环不同。

  • **BFS循环:**循环打印奇 / 偶数层,当 deque 为空时跳出;
    1. 打印奇数层: 从左向右 打印,先左后右 加入下层节点;
    2. deque 为空,说明向下无偶数层,则跳出;
    3. 打印偶数层: 从右向左 打印,先右后左 加入下层节点;
class Solution{
public:
    vector> levelOrder(TreeNode* root) {
        deque deque;
        vector> res;
        if(root != NULL) deque.push_back(root):
        while(!deque.empty()) {
            // 打印奇数层
            vector tmp;
            for(int i = deque.size(); i > 0; i--){
                // 从左往右打印
                TreeNode* node = deque.front();
                deque.pop_front();
                tmp.push_back(node->val);
                // 先左后右加入下层节点
                if(node->left != NULL) deque.push_back(node->left);
                if(node->right != NULL) deque.push_back(node->right);
            }
            res.push_back(tmp);
            if(deque.empty()) break;	// 若为空则提前跳出
            // 打印偶数层
            tmp.clear();
            for(int i = deque.size(); i > 0; i--){
                // 从右往左打印
                TreeNode* node = deque.back();
                deque.pop_back();
                tmp.push_back(node->val);
                // 从右往左加入下层节点
                if(node->right != NULL) deque.push_front(node->right);
                if(node->left != NULL) deque.push_front(node->left);
            }
            res.push_back(tmp);
        }
        return res;
    }
};

方法三:层序遍历 + 倒序

  • 此方法的优点是只用列表即可,无需其他数据结构。
  • 偶数层倒序:res 的长度为 奇数 ,说明当前是偶数层,则对 tmp 执行 倒序 操作。
class Solution{
  vector> levelOrder(TreeNode* root){
      queue que;
      vector> res;
      if(root != NULL) que.push(root);
      while(!que.empty()){
          vector tmp;
          for(int i = que.size(); i > 0; i--){
              TreeNode* node = que.front();
              que.pop();
              tmp.push_back(node->val);
              if(node->left != NULL) que.push(node->left);
              if(node->right != NULL) que.push(node->right);
          }
          if(res.sizee() % 2 == 1) reverse(tmp.begin(), tmp.end());
          res.push_back(tmp);
      }
      return res;
  }  
};

剑指Offer 34 - 二叉树中和为某一值的路径

典型的二叉树方案搜索问题,使用回溯法解决,其包含先序遍历 + 路径记录两部分。

  • 先序遍历:按照“根、左、右”的顺序,遍历树的所有节点。

  • 路径记录“在线序遍历中,记录从根节点到当前节点的路径。当路径满足①根节点到叶节点形成的路径且②各节点值得和等于目标值sum时,将此路径加入结果列表。

    力扣刷题笔记_第12张图片

算法流程:

pathSum(root, sum) 函数:

  • 初始化: 结果列表 res ,路径列表 path
  • 返回值: 返回 res 即可。

recur(root, tar) 函数:

  • 递推参数: 当前节点 root ,当前目标值 tar
  • 终止条件: 若节点 root 为空,则直接返回。
  • 递推工作:
    1. 路径更新: 将当前节点值 root.val 加入路径 path
    2. 目标值更新: tar = tar - root.val(即目标值 tarsum 减至 00 )。
    3. 路径记录: 当 ① root 为叶节点 ② 路径和等于目标值 ,则将此路径 path 加入 res
    4. 先序遍历: 递归左 / 右子节点。
    5. 路径恢复: 向上回溯前,需要将当前节点从路径 path 中删除,即执行 path.pop()

复杂度分析:

  • 时间复杂度 O(N) : N为二叉树的节点数,先序遍历需要遍历所有节点。
  • **空间复杂度 O(N):**最差情况下,即树退化为链表时,path 存储所有树节点,使用 O(N)额外空间。
class Solution {
public:
    vector> pathSum(TreeNode* root, int sum) {
        recur(root, sum);
        return res;
    }
private:
    vector> res;
    vector path;
    void recur(TreeNode* root, int tar) {
        if(root == nullptr) return;
        path.push_back(root->val);
        tar -= root->val;
        if(tar == 0 && root->left == nullptr && root->right == nullptr)
            res.push_back(path);
        recur(root->left, tar);
        recur(root->right, tar);
        path.pop_back();
    }
};
def Solution:
    def pathSum(self, root: TreeNode, sum: int) -> List[List[int]]
    	res, path = [], []
        def recur(root, tar):
            if not root: return
            path.append(root.val)
            tar -= root.val
            if tar == 0 and not root.left and not root.right:
                res.appen(list(path))
            recur(root.left, tar)
            recur(root.right, tar)
            path.pop()
        
        recur(root, sum)
        return res
            

剑指Offer 36 - 二叉搜索树与双向链表

解题思路:

本文解法基于性质:二叉搜索树的中序遍历为递增序列。

将二叉搜索树转换成一个“排序的循环双向链表”,其中包含三个要素:

  1. **排序链表:**节点应从小到大排序,因此应使用 中序遍历 “从小到大”访问树的节点。

  2. 双向链表: 在构建相邻节点的引用关系时,设前驱节点 pre 和当前节点 cur ,不仅应构建 pre.right = cur ,也应构建 cur.left = pre 。

  3. 循环链表: 设链表头节点 head 和尾节点 tail ,则应构建 head.left = tailtail.right = head

    力扣刷题笔记_第13张图片

    中序遍历 为对二叉树作 “左、根、右” 顺序遍历,递归实现如下:

    // 打印中序遍历
    void dfs(Node* root) {
        if(root == nullptr) return;
        dfs(root->left); // 左
        cout << root->val << endl; // 根
        dfs(root->right); // 右
    }
    

    根据以上分析,考虑使用中序遍历访问树的各节点 cur ;并在访问每个节点时构建 cur 和前驱节点 pre 的引用指向;中序遍历完成后,最后构建头节点和尾节点的引用指向即可。

    算法流程:

    dfs(cur): 递归法中序遍历;

    1. 终止条件:当节点 cur 为空,代表越过叶节点,直接返回;
    2. 递归左子树,即 dfs(cur.left)
    3. 构建链表:
      1. pre 为空时: 代表正在访问链表头节点,记为 head
      2. pre 不为空时: 修改双向节点引用,即 pre.right = curcur.left = pre
      3. 保存 cur 更新 pre = cur ,即节点 cur 是后继节点的 pre
    4. 递归右子树,即 dfs(cur.left)

    treeToDoublyList(root):

    1. 特例处理: 若节点 root 为空,则直接返回;
    2. 初始化: 空节点 pre
    3. 转化为双向链表: 调用 dfs(root)
    4. 构建循环链表: 中序遍历完成后,head 指向头节点, pre 指向尾节点,因此修改 headpre 的双向节点引用即可;
    5. 返回值: 返回链表的头节点 head 即可。

    复杂度分析:

    • 时间复杂度 O(N): N 为二叉树的节点数,中序遍历需要访问所有节点。
    • 空间复杂度 O(N): 最差情况下,即树退化为链表时,递归深度达到 N,系统使用 O(N) 栈空间。
class Solution{
public:
    Node* treeToDoublyList(Node* root){
        if(root == nullptr) return nullptr;
        dfs(root);
        head->left = pre; // 1.left = 5 
        pre->right = head; // 5.right = 1
        return head; // return 1
    }
private:
    Node *pre, *head;
    void dfs(Node* cur){
        if(cur == nullptr) return; 
        dfs(cur->left); // 4->2->1->null->null->null
        if(pre != nullptr) pre->right = cur; // 1.right = 2 -> 2.right = 3 -> 3->right = 4 -> 4.right = 5
        else head = cur; // head = 1
        cur->left = pre; // 1.left = nullptr -> 2.left = 1 -> 3.left = 2 -> 4.left = 3 -> 5.left = 4
        pre = cur; // pre = 1 -> pre = 2 -> pre = 3 -> pre = 4 -> pre = 5
        dfs(cur->right); // null->3->null->5->null
    }
};
class Solution:
    def treeToDoubleList(self, root: 'Node') -> 'Node':
        def dfs(cur):
            if not cur: return
            dfs(cur.left)
            if self.pre:
                self.pre.right, cur.left = cur, self.pre
            else:
                self.head = cur
            self.pre = cur
            dfs(cur.right)
        
        if not root: return
        self.pre = None
        dfs(root)
        self.head.left, self.pre.right = self.pre, self.head
        return self.head

剑指Offer 38 - 字符串的排列

解题思路:

对于一个长度为 nn 的字符串(假设字符互不重复),其排列方案数共有:
n × ( n − 1 ) × ( n − 2 ) . . . × 2 × 1 n \times (n-1)\times(n-2)...\times2\times1 n×(n1)×(n2)...×2×1
排列方案的生成:

根据字符串排列的特点,考虑深度优先搜索所有排列方案。即通过字符交换,先固定第 1位字符( n种情况)、再固定第 2位字符( n-1 种情况)、… 、最后固定第 n 位字符( 1种情况)。

力扣刷题笔记_第14张图片

重复排列方案与剪枝:

当字符串存在重复字符时,排列方案中也存在重复的排列方案。为排除重复方案,需在固定某位字符时,保证 “每种字符只在此位固定一次” ,即遇到重复字符时不交换,直接跳过。从 DFS 角度看,此操作称为 “剪枝”

力扣刷题笔记_第15张图片

递归解析:

  1. 终止条件:x = len(c) - 1 时,代表所有位已固定(最后一位只有 11 种情况),则将当前组合 c 转化为字符串并加入 res,并返回;
  2. 递推参数: 当前固定位 x
  3. 递推工作: 初始化一个 Set ,用于排除重复的字符;将第 x 位字符与 i\in∈[x, len(c)] 字符分别交换,并进入下层递归;
    1. 剪枝:c[i] 在 Set 中,代表其是重复字符,因此“剪枝”;
    2. c[i] 加入 Set ,以便之后遇到重复字符时剪枝;
    3. 固定字符: 将字符 c[i]c[x] 交换,即固定 c[i] 为当前位字符;
    4. 开启下层递归: 调用 dfs(x + 1) ,即开始固定第 x + 1 个字符;
    5. 还原交换: 将字符 c[i]c[x] 交换(还原之前的交换);
class Solution{
public:
    vector permutation(string s){  			// 'abc'
        dfs(s, 0);
        return res;
    }
private:
    vector res;
    void dfs(string s, int x){ // (s,0)(s,1)(s,2)
        if(x == s.size() - 1){ // s.size=3, 0,1,2
            res.push_back(s); // abc/acb						// 添加排列方案
            return;
        }
        set st; //[a]
        for(int i = x; i < s.size(); i++){	//i,x=0,0;i,x=1,1;i,x=2,1;i,x=3,1;i,x=1,0;i,x=2,0
            if(st.find(s[i]) != st.end()) continue; //st.find('b')('c')	// 重复,因此剪枝
            st.insert(s[i]); // a->b->c
            swap(s[i], s[x]); // a<->a,b<->b,c<->b						// 交换,将s[i]固定在第x位
            dfs(s, x + 1); //dfs(s,1)(s,2)(s,2)							// 开启固定第x + 1位字符
            swap(s[i], s[x]); // b<->b,b<->c,a<->a
        }
    }
};
class Solution:
    c, res = list(s), []
    def dfs(x):
        if x == len(c) - 1:
            res.append(''.join(c))
            return
        dic = set()
        for i in range(x, len(c)):
            if c[i] in dic: continue
            dic.add(c[i])
            c[i], c[x] = c[x], c[i]
            dfs(x + 1)
            c[i], c[x] = c[x], c[i]
    dfs(0)
    return res

剑指Offer 54 - 二叉搜索树的第k大节点

解题思路:

本文解法基于性质:二叉搜索树的中序遍历为递增序列。根据此性质,易得二叉搜索树的 中序遍历倒序递减序列

因此,求 “二叉搜索树第 kk 大的节点” 可转化为求 “此树的中序遍历倒序的第 kk 个节点”。

力扣刷题笔记_第16张图片

中序遍历 为 “左、根、右” 顺序,递归法代码如下:

// cpp
void dfs(TreeNode* root) {
    if(root == nullptr) return;
    dfs(root->left);
    cout << root->val;
    dfs(root->right);
}
# python打印中序遍历
def dfs(root):
    if not root: return
    dfs(root.left)  # 左
    print(root.val) # 根
    dfs(root.right) # 右

中序遍历的倒序 为 “右、根、左” 顺序,递归法代码如下:

// cpp
void dfs(TreeNode* root) {
    if(root == nullptr) return;
    dfs(root->right);
    cout << root->val;
    dfs(root->left);
}
# 打印中序遍历倒序
def dfs(root):
    if not root: return
    dfs(root.right) # 右
    print(root.val) # 根
    dfs(root.left)  # 左

为求第 k 个节点,需要实现以下三项工作:

  1. 递归遍历时计数,统计当前节点的序号;
  2. 递归到第 k 个节点时,应记录结果 res;
  3. 记录结果后,后续的遍历即失去意义,应提前终止(即返回);

递归解析:

  1. 终止条件: 当节点 root 为空(越过叶节点),则直接返回;
  2. 递归右子树: 即 dfs(root.right);
  3. 递推工作:
    1. 提前返回: 若 k = 0,代表已找到目标节点,无需继续遍历,因此直接返回;
    2. 统计序号: 执行 k = k - 1(即从 k减至 0);
    3. 记录结果: 若 k = 0,代表当前节点为第 k大的节点,因此记录 res = root.val;
  4. 递归左子树:dfs(root.left)
// cpp
class Solution {
public:
    int kthLargest(TreeNode* root, int k) {
        //if (root == nullptr) return 0;
        dfs(root);
        sort(res.begin(), res.end(), [](const int& a, const int& b){ return a > b;});
        return res[k-1];
    }
private:
    vector res;
    void dfs(TreeNode* root){
        if (root == nullptr) return;
        res.push_back(root->val);
        dfs(root->left);
        dfs(root->right);
    }
};

class Solution{
public:
    int kthLargest(TreeNode* root, int k){
        this->k = k;
        dfs(root);
        return res;
    }
private:
    int res, k;
    void dfs(TreeNode* root){
        if(root == nullptr) return;
        dfs(root->right);
        if(k == 0) return;
        if(--k == 0) res = root->val;
        dfs(root->left);
    }
};
class Solution:
    def kthLargest(self, root: TreeNode, k: int) -> int:
        def dfs(root):
            if not root: return
            dfs(root.right)
            if self.k == 0: return
            self.k -= 1
            if self.k == 0: self.res = root.val
            dfs(root.left)
            
        self.k = k
        dfs(root)
        return self.res

剑指Offer 55 - Ⅰ.二叉树的深度

树的遍历方式总体分为两类:深度优先搜索(DFS)、广度优先搜索(BFS)

  • **常见DFS:**先序遍历、中序遍历、后续遍历;
  • 常见BFS: 层序遍历(即按层遍历)

求树的深度需要遍历树的所有节点。

方法一:后序遍历(DFS)

  • 树的后序遍历/深度优先搜索往往利用递归实现。
  • **关键点:**此树的深度和其左(右)子树的深度之间的关系。显然,此树的深度 等于 左子树的深度右子树的深度 中的 最大值 +1。
力扣刷题笔记_第17张图片

算法解析:

  1. 终止条件:root 为空,说明已越过叶节点,因此返回 深度 0。
  2. 递推工作: 本质上是对树做后序遍历。
    1. 计算节点 root左子树的深度 ,即调用 maxDepth(root.left)
    2. 计算节点 root右子树的深度 ,即调用 maxDepth(root.right)
  3. 返回值: 返回 此树的深度 ,即 max(maxDepth(root.left), maxDepth(root.right)) + 1
  • 时间复杂度O(N): N为树的节点数量,计算树的深度需要遍历所有节点。
  • 空间复杂度 O(N) : 最差情况下(当树退化为链表时),递归深度可达到 N。
// cpp
class Solution{
public:
    int maxDepth(TreeNode* root){
        if(root == nullptr) return 0;
        return max(maxDepth(root->left), maxDepth(root->right)) + 1;
    }
};
# py
class Solution:
    def maxDepth(self, root: TreeNode) -> int:
        if not root: return 0
        return max(self.maxDepth(root.left), self.maxDepth(root.right)) + 1

方法二:层序遍历(BFS)

  • 树的层序遍历/广度优先搜索往往使用队列实现
  • 关键点: 每遍历一层,则计数器 +1 ,直到遍历完成,则可得到树的深度。

算法解析:

  1. 特例处理:root 为空,直接返回 深度 0。
  2. 初始化: 队列 queue (加入根节点 root ),计数器 res = 0
  3. 循环遍历:queue 为空时跳出。
    1. 初始化一个空列表 tmp ,用于临时存储下一层节点;
    2. 遍历队列: 遍历 queue 中的各节点 node ,并将其左子节点和右子节点加入 tmp
    3. 更新队列: 执行 queue = tmp ,将下一层节点赋值给 queue
    4. 统计层数: 执行 res += 1 ,代表层数加 11;
  4. 返回值: 返回 res 即可。

复杂度分析:

  • 时间复杂度 O(N) : N为树的节点数量,计算树的深度需要遍历所有节点。

  • 空间复杂度 O(N): 最差情况下(当树平衡时),队列 queue 同时存储 N/2个节点。

// cpp
class Solution{
public:
    int maxDepth(TreeNode* root){
        if(root == nullptr) return 0;
        vector que;
        que.push_back(root);
        int res = 0;
        while( !que.empty()){
            vector tmp;
            for(auto node : que){
                if(node->left != nullptr) tmp.push_back(node->left);
                if(node->right != nullptr) tmp.push_back(node->right);
            }
            que = tmp;
            res ++;
        }
        return res;
    }
};
# py
class Solution:
    def maxDepth(self, root: TreeNode) -> int:
        if not root: return 0
        queue, res = [root], 0
        while queue:
            tmp = []
            for node in queue:
                if node.left: tmp.append(node.left)
                if node.right: tmp.append(node.right)
            queue = tmp
            res += 1
        return res

剑指Offer 55 - Ⅱ.平衡二叉树

方法一:后序遍历 + 剪枝 (从底至顶)

思路是对二叉树做后序遍历,从底至顶返回子树深度,若判定某子树不是平衡树则 “剪枝” ,直接向上返回。

算法流程:

recur(root) 函数:

  • 返回值:

    1. 当节点root 左/右子树的深度差≤1:则返回当前子树的深度,即节点 root 的左/右子树的深度最大值+1( max(left, right) + 1 );
    2. 当节点root 左 / 右子树的深度差>1 :则返回−1 ,代表 此子树不是平衡树
  • 终止条件:

    1. root 为空:说明越过叶节点,因此返回高度 0;
    2. 当左(右)子树深度为 -1 :代表此树的 左(右)子树 不是平衡树,因此剪枝,直接返回 -1;

isBalanced(root) 函数:

  • 返回值:recur(root) != -1 ,则说明此树平衡,返回 true; 否则返回 false。

复杂度分析:

  • 时间复杂度 O(N): N 为树的节点数;最差情况下,需要递归遍历树的所有节点。
  • 空间复杂度 O(N): 最差情况下(树退化为链表时),系统递归需要使用 O(N)的栈空间。
class Solution{
public:
    bool isBalanced(TreeNode* root){
        return recur(root) != -1;
    }
private:
    int recur(TreeNode* root){
        if(root == nullptr) return 0; 
        int left = recur(root->left); 
        if(left == -1) return -1;
        int right = recur(root->right);
        if(right == -1) return -1;
        return abs(left - right) < 2 ? max(left, right) + 1 : -1;
    }
};
class Solution:
    def isBalanced(self, root: TreeNode) -> bool:
        def recur(root):
            if not root: return 0
            left = recur(root.left)
            if left == -1:
                return -1
            right = recur(root.right)
            if right == -1:
                return -1
            return max(left, right) + 1 if abs(left - right) <= 1 else -1
        
        return recur(root) != -1

方法二:先序遍历+判断深度(从顶至底)

构造一个获取当前子树的深度的函数 depth(root) ,通过比较某子树的左右子树的深度差 abs(depth(root.left) - depth(root.right)) <= 1是否成立,来判断某子树是否是二叉平衡树。若所有子树都平衡,则此树平衡。

算法流程:

isBalanced(root) 函数: 判断树 root 是否平衡

  • 特例处理: 若树根节点 root 为空,则直接返回 true ;
  • 返回值: 所有子树都需要满足平衡树性质,因此以下三者使用与逻辑 && 连接;
    1. abs(self.depth(root.left) - self.depth(root.right)) <= 1 :判断 当前子树 是否是平衡树;
    2. self.isBalanced(root.left) : 先序遍历递归,判断 当前子树的左子树 是否是平衡树;
    3. self.isBalanced(root.right) : 先序遍历递归,判断 当前子树的右子树 是否是平衡树;

depth(root) 函数: 计算树 root 的深度

  • 终止条件:root 为空,即越过叶子节点,则返回高度 0;
  • 返回值: 返回左 / 右子树的深度的最大值 +1。
// cpp
class Solution{
public:
    bool isBalanced(TreeNode* root){
        if(root == nullptr) return true;
        return abs(depth(root->left) - depth(root->right)) <= 1 && isBalanced(root->left) && isBalanced(root->right);            
    }
private:
    int depth(TreeNode* root){
        if(root == nullptr) return 0;
        return max(depth(root->left), depth(root->right)) + 1;
    }
};
class Solution:
    def isBalanced(self, root: TreeNode) -> bool:
        if not root: return True
        return abs(self.depth(root.left) - self.depth(root.right)) <= 1 and \
            self.isBalanced(root.left) and self.isBalanced(root.right)

    def depth(self, root):
        if not root: return 0
        return max(self.depth(root.left), self.depth(root.right)) + 1

复杂度分析:

  • 时间复杂度 O(NlogN): 最差情况下(为 “满二叉树” 时), isBalanced(root) 遍历树所有节点,判断每个节点的深度 depth(root) 需要遍历各子树的所有节点 。

    • 满二叉树高度的复杂度 O(log N) ,将满二叉树按层分为 log (N+1)层;

    • 通过调用 depth(root) ,判断二叉树各层的节点的对应子树的深度,需遍历节点数量为$ N \times 1, (N-1)/2 \times 2, (N-3)/4 \times 4, …, 1\times (N+1)/2$。因此各层执行 depth(root) 的时间复杂度为 O(N)。

    • 因此,总体时间复杂度 = 每层执行复杂度 × 层数复杂度 = O*(N×log*N) 。

      力扣刷题笔记_第18张图片
  • **空间复杂度 O(N):**最差情况下(树退化为链表时),系统递归需要使用O(N)的栈空间。

剑指Offer 64 - 求1 + 2 + … + n

计算方法主要有三种:平均计算、迭代、递归

方法一:平均计算

问题: 此计算必须使用 乘除法 ,因此本方法不可取,直接排除。

int sumNums(int n){
    return (1 + n) * n / 2;
}

方法二:迭代

问题: 循环必须使用 while 或 for,因此本方法不可取,直接排除。

int sumNums(int n) {
    int res = 0;
    for(int i = 1; i <= n; i++)
        res += i;
    return res;
}

方法三: 递归
问题: 终止条件需要使用 ifif ,因此本方法不可取。
思考: 除了 if和 switch等判断语句外,是否有其他方法可用来终止递归?

int sumNums(int n){
    if(n == 1) return 1;
    n += sumNums(n - 1);
    return n;
}

解题思路:

利用逻辑运算符的短路效应:

if(A && B)  // 若 A 为 false ,则 B 的判断不会执行(即短路),直接判定 A && B 为 false

if(A || B) // 若 A 为 true ,则 B 的判断不会执行(即短路),直接判定 A || B 为 true
class Solution {
public:
    int sumNums(int n) {
        n > 1 && (n += sumNums(n - 1));
        return n;
    }
};

剑指Offer 68 - 二叉搜索树的最近公共祖先Ⅰ

解题思路:

**祖先的定义:**若节点p在节点root的左(右)子树中,或p = root,则称root是p的祖先。

**最近公共祖先的定义:**设节点 root为节点 p,q的某公共祖先,若其左子节点 root.left 和右子节点 root.right都不是 p,q的公共祖先,则称root是 “最近的公共祖先” 。

力扣刷题笔记_第19张图片

根据以上定义,若 root是 p,q的 最近公共祖先 ,则只可能为以下三种情况之一:

  1. p 和 q在 root的子树中,且分列 root的 异侧(即分别在左、右子树中);
  2. p=root 且 q 在 root的左或右子树中;
  3. q=root 且 p 在 root 的左或右子树中;
力扣刷题笔记_第20张图片

本题给定了两个重要条件:① 树为二叉搜索树 ,② 树的所有节点的值都是唯一的。根据以上条件,可方便地判断p,q与 root的子树关系,即:

  • 若 root.val < p.val,则 p 在 root右子树 中;
  • 若 root.val > p.val,则 p 在 root左子树 中;
  • 若 root.val = p.val,则 p 和 root指向 同一节点

方法一:迭代

  1. **循环搜索:**当节点root为空时跳出
    1. 当p, q都在root的右子树中,则遍历至root.right;
    2. 否则,当p, q都在root的左子树中,则遍历至root.left;
    3. 否则,说明找到了最近公共祖先,跳出;
  2. **返回值:**最近公共祖先root;

复杂度分析:

  • 时间复杂度 O(N): 其中 N 为二叉树节点数;每循环一轮排除一层,二叉搜索树的层数最小为logN(满二叉树),最大为N(退化为链表)。
  • 空间复杂度 O(1): 使用常数大小的额外空间。
  • 代码优化:若可保证 p.val < q.val,则在循环中可减少判断条件,提升计算效率。
// cpp
class Solution{
public:
    TreeNode* lowestCommonAncester(TreeNode* root, TreeNode* p, TreeNode*q){
        while( root != nullptr){
            if(p->val > root->val && q->val > root->val)
                root = root->right;
            else if(p->val < root->val && q->val < root->val)
                root = root->left;
            else break;
        }
        return root;
    }
};

class Solution {
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q) {
        if(p->val > q->val)
            swap(p, q);
        while(root != nullptr) {
            if(root->val < p->val) // p,q 都在 root 的右子树中
                root = root->right; // 遍历至右子节点
            else if(root->val > q->val) // p,q 都在 root 的左子树中
                root = root->left; // 遍历至左子节点
            else break;
        }
        return root;
    }
};
# py
class Solution:
    def lowestCommonAncester(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode':
        while root:
            if root.val < p.val and root.val < q.val:
            	root = root.right
            elif root.val > p.val and root.val > q.val: # p,q 都在 root 的左子树中
                root = root.left # 遍历至左子节点
            else: break
        return root
    
class Solution:
    def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode':
        if p.val > q.val: p, q = q, p # 保证 p.val < q.val
        while root:
            if root.val < p.val: # p,q 都在 root 的右子树中
                root = root.right # 遍历至右子节点
            elif root.val > q.val: # p,q 都在 root 的左子树中
                root = root.left # 遍历至左子节点
            else: break
        return root

方法二:递归

  1. 递推工作:
    1. 当p, q都在root的右子树中,则开启递归root.right并返回;
    2. 否则,当p, q都在root的左子树中,则开启递归root.left并返回;
  2. **返回值:**最近公共祖先root;

复杂度分析:

  • **时间复杂度 O(N) :**其中 N为二叉树节点数;每循环一轮排除一层,二叉搜索树的层数最小为logN(满二叉树),最大为N(退化为链表)。
  • 空间复杂度 O(N) : 最差情况下,即树退化为链表时,递归深度达到树的层数 N 。
class Solution {
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q) {
        if(root->val < p->val && root->val < q->val)
            return lowestCommonAncestor(root->right, p, q);
        if(root->val > p->val && root->val > q->val)
            return lowestCommonAncestor(root->left, p, q);
        return root;
    }
};

剑指Offer 68 - 二叉树的最近公共祖先Ⅱ

考虑通过递归对二叉树进行后序遍历,当遇到节点 p或 q时返回。从底至顶回溯,当节点 p, q 在节点 root 的异侧时,节点 root即为最近公共祖先,则向上返回 root。

递归解析:

  1. 终止条件:
    1. 当越过叶节点,则直接返回null;
    2. 当root等于p, q,则直接返回root;
  2. 递推工作:
    1. 开启递归左子节点,返回值记为left;
    2. 开启递归右子节点,返回值记为right;
  3. **返回值:**根据left和right,课展开为四种情况:
    1. 当left和right同时为空:说明root的左/右子树中都不包含p, q,返回null;
    2. 当left和right同时不为空:说明p, q分列在root的异侧(分别在左/右子树),因此root为最近公共祖先,返回root;
    3. 当left为空,right不为空:p, q都不在root的左子树中,直接返回right。具体可分为两种情况:
      1. p, q其中一个在root的右子树中,此时right指向p(假设为p);
      2. p, q两节点都在root的右子树中,此时的right指向最近公共祖先节点
    4. 当left不为空,right为空:与情况3同理。
// cpp
class Solution{
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q){
        if(root == nullptr || root == p || root == q) return root;
        TreeNode* left = lowestCommonAncestor(root->left, p, q);
        TreeNode* right = lowestCommonAncestor(root->right, p, q);
        if(left == nullptr) return right;
        if(right == nullptr) return left;
        return root;
    }
};

// 情况1,2,3,4的展开写法如下
class Solution{
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q){
        if(root == nullptr || root == p || root == q) return root;
        TreeNode* left = lowestCommonAncestor(root->left, p, q);
        TreeNode* right = lowestCommonAncestor(root->right, p, q);
        if(left == nullptr && right == nullptr) return nullptr; // 1
        if(left == nullptr) return right; // 3
        if(right == nullptr) return left; // 4
        return root; // 2  if(left != null and right != null)
    }
};
# py
class Solution:
    def lowestCommonAncestor(self, root: TreeNode, p: TreeNode, q: TreeNode) -> TreeNode:
        if not root or root == p or root == q:
            return root
        left = self.lowestCommonAncestor(root.left, p, q)
        right = self.lowestCommonAncestor(root.right, p, q)
        if not left: return right
        if not right: return left
        return root

rn lowestCommonAncestor(root->left, p, q);
return root;
}
};


### 剑指Offer 68 - 二叉树的最近公共祖先Ⅱ

考虑通过递归对二叉树进行后序遍历,当遇到节点 p或 q时返回。从底至顶回溯,当节点 p, q 在节点 root 的异侧时,节点 root即为最近公共祖先,则向上返回 root。

递归解析:

1. **终止条件:**
   1. 当越过叶节点,则直接返回null;
   2. 当root等于p, q,则直接返回root;
2. **递推工作:**
   1. 开启递归左子节点,返回值记为left;
   2. 开启递归右子节点,返回值记为right;
3. **返回值:**根据left和right,课展开为四种情况:
   1. 当left和right**同时为空**:说明root的左/右子树中都不包含p, q,返回null;
   2. 当left和right**同时不为空**:说明p, q分列在root的**异侧**(分别在左/右子树),因此root为最近公共祖先,返回root;
   3. 当left**为空**,right**不为空**:p, q都不在root的左子树中,直接返回right。具体可分为两种情况:
      1. p, q其中一个在root的**右子树**中,此时right指向p(假设为p);
      2. p, q两节点都在root的**右子树**中,此时的right指向**最近公共祖先节点**;
   4. 当left**不为空**,right**为空**:与情况3同理。

```c++
// cpp
class Solution{
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q){
        if(root == nullptr || root == p || root == q) return root;
        TreeNode* left = lowestCommonAncestor(root->left, p, q);
        TreeNode* right = lowestCommonAncestor(root->right, p, q);
        if(left == nullptr) return right;
        if(right == nullptr) return left;
        return root;
    }
};

// 情况1,2,3,4的展开写法如下
class Solution{
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q){
        if(root == nullptr || root == p || root == q) return root;
        TreeNode* left = lowestCommonAncestor(root->left, p, q);
        TreeNode* right = lowestCommonAncestor(root->right, p, q);
        if(left == nullptr && right == nullptr) return nullptr; // 1
        if(left == nullptr) return right; // 3
        if(right == nullptr) return left; // 4
        return root; // 2  if(left != null and right != null)
    }
};
# py
class Solution:
    def lowestCommonAncestor(self, root: TreeNode, p: TreeNode, q: TreeNode) -> TreeNode:
        if not root or root == p or root == q:
            return root
        left = self.lowestCommonAncestor(root.left, p, q)
        right = self.lowestCommonAncestor(root.right, p, q)
        if not left: return right
        if not right: return left
        return root

你可能感兴趣的:(LeetCode,算法)