共计 1762 个字符,预计需要花费 5 分钟才能阅读完成。
读完本文,你能够去力扣拿下如下题目:
222. 齐全二叉树的节点个数
———–
如果让你数一下一棵一般二叉树有多少个节点,这很简略,只有在二叉树的遍历框架上加一点代码就行了。
然而,如果给你一棵齐全二叉树,让你计算它的节点个数,你会不会?算法的工夫复杂度是多少?这个算法的工夫复杂度应该是 O(logN*logN),如果你心中的算法没有达到高效,那么本文就是给你写的。
首先要明确一下两个对于二叉树的名词「齐全二叉树」和「满二叉树」。
咱们说的 齐全二叉树 如下图,每一层都是紧凑靠左排列的:
咱们说的 满二叉树 如下图,是一种非凡的齐全二叉树,每层都是是满的,像一个稳固的三角形:
说句题外话,对于这两个定义,中文语境和英文语境仿佛有点区别,咱们说的齐全二叉树对应英文 Complete Binary Tree,没有问题。然而咱们说的满二叉树对应英文 Perfect Binary Tree,而英文中的 Full Binary Tree 是指一棵二叉树的所有节点要么没有孩子节点,要么有两个孩子节点。如下:
以上定义出自 wikipedia,这里就是顺便一提,其实名词叫什么都无所谓,重要的是算法操作。本文就按咱们中文的语境,记住「满二叉树」和「齐全二叉树」的区别,等会会用到。
一、思路剖析
当初回归正题,如何求一棵齐全二叉树的节点个数呢?
// 输出一棵齐全二叉树,返回节点总数
int countNodes(TreeNode root);
如果是一个 一般 二叉树,显然只有向上面这样遍历一边即可,工夫复杂度 O(N):
public int countNodes(TreeNode root) {if (root == null) return 0;
return 1 + countNodes(root.left) + countNodes(root.right);
}
那如果是一棵 满二叉树,节点总数就和树的高度呈指数关系:
public int countNodes(TreeNode root) {
int h = 0;
// 计算树的高度
while (root != null) {
root = root.left;
h++;
}
// 节点总数就是 2^h - 1
return (int)Math.pow(2, h) - 1;
}
齐全 二叉树比一般二叉树非凡,但又没有满二叉树那么非凡,计算它的节点总数,能够说是一般二叉树和齐全二叉树的联合版,先看代码:
public int countNodes(TreeNode root) {
TreeNode l = root, r = root;
// 记录左、右子树的高度
int hl = 0, hr = 0;
while (l != null) {
l = l.left;
hl++;
}
while (r != null) {
r = r.right;
hr++;
}
// 如果左右子树的高度雷同,则是一棵满二叉树
if (hl == hr) {return (int)Math.pow(2, hl) - 1;
}
// 如果左右高度不同,则依照一般二叉树的逻辑计算
return 1 + countNodes(root.left) + countNodes(root.right);
}
联合方才针对满二叉树和一般二叉树的算法,下面这段代码应该不难理解,就是一个联合版,然而 其中升高工夫复杂度的技巧是十分奥妙的。
二、复杂度剖析
结尾说了,这个算法的工夫复杂度是 O(logN*logN),这是怎么算进去的呢?
直觉感觉如同最坏状况下是 O(N\*logN) 吧,因为之前的 while 须要 logN 的工夫,最初要 O(N) 的工夫向左右子树递归:
return 1 + countNodes(root.left) + countNodes(root.right);
关键点在于,这两个递归只有一个会真的递归上来,另一个肯定会触发 hl == hr
而立刻返回,不会递归上来。
为什么呢?起因如下:
一棵齐全二叉树的两棵子树,至多有一棵是满二叉树:
看图就显著了吧,因为齐全二叉树的性质,其子树肯定有一棵是满的,所以肯定会触发 hl == hr
,只耗费 O(logN) 的复杂度而不会持续递归。
综上,算法的递归深度就是树的高度 O(logN),每次递归所破费的工夫就是 while 循环,须要 O(logN),所以总体的工夫复杂度是 O(logN*logN)。
所以说,「齐全二叉树」这个概念还是有它存在的起因的,不仅实用于数组实现二叉堆,而且连计算节点总数这种看起来简略的操作都有高效的算法实现。