数据结构（七）：树介绍及面试常考算法

news2024/11/18 8:14:50

一、树介绍

1、定义

树形结构是一种层级式的数据结构，由顶点（节点）和连接它们的边组成。 树类似于图，但区分树和图的重要特征是树中不存在环路。树有以下特点：

（1）每个节点有零个或多个子节点；

（2）没有父节点的节点称为根节点；

（3）每一个非根结点有且只有一个父节点；

（4）除了根结点外，每个子节点可以分为多个不相交的子树；

2、优缺点及使用场景

优点：清晰的层级关系，快速查找，动态添加、删除和修改节点。

缺点：存在冗余存储，插入和删除的复杂性，高度不平衡等。

适用场景：层次关系、分类和搜索、表达关系和数据可视化等。

3、遍历方法

（1）深度遍历--先序（根-左-右）  

（2）深度遍历--中序（左-根-右）

（3）深度遍历--后序（左-右-根）

先序：【2, 1, 3, 6, 4, 8, 5】

中序：【1, 6, 3, 2, 8, 4, 5】

后序：【6, 3, 1, 8 ,5, 4, 2】

层序：【2, 1 ,4, 3, 8, 5, 6】

（4）层序遍历--自上而下，自左而右

4、主要类型

（1）二叉树

（a）概念：节点度不超过2的树。

（b）特点

（a）每个结点最多有两颗子结点。

（b）左子树和右子树是有顺序的，次序不能颠倒。

（c）即使某结点只有一个子树，也要区分左右子树。

（c）二叉树类型

① 满二叉树：在满二叉树中，除了叶节点外，每个节点都有两个子节点，且所有叶节点都在同一层级上

② 完全二叉树：完全二叉树是指除了最后一层外，其他层都是满的，并且最后一层的节点从左到右连续存在。

③ 二叉搜索树：二叉搜索树是一种有序的二叉树，对于每个节点，其左子树的值都小于节点的值，右子树的值都大于节点的值。这种有序性质使得二叉搜索树在查找、插入和删除等操作上有很高的效率。

④ 平衡二叉树：平衡二叉树是指任意节点的左子树和右子树的高度差不超过1的二叉树。平衡二叉树可以提高插入、删除和查找等操作的效率，常见的平衡二叉树有AVL树和红黑树。

（2）AVL树

（a）介绍：AVL树是一种自平衡的二叉搜索树，它的名称来自于它的发明者Adelson-Velsky和

Landis。AVL树通过在插入和删除节点时进行旋转操作来保持树的平衡。

（b）平衡调整：在AVL树中，每个节点都带有一个平衡因子（balance factor），它表示节点的左

子树高度与右子树高度之差。平衡因子可以是-1、0或1，如果平衡因子的绝对值大于1，就表示树

失去了平衡，需要进行平衡调整。AVL树的平衡调整通过四种旋转操作来完成。

（c）AVL树的特点：

① 平衡性：在AVL树中，任意节点的左子树和右子树的高度差不超过1。

② 严格的排序性：AVL树是一种二叉搜索树，它保持了节点的严格排序性。对于每个节点，左子树中的所有节点都小于该节点，右子树中的所有节点都大于该节点。

（3）红黑树

（a）介绍：红黑树（Red-Black Tree）是一种自平衡的二叉搜索树，它通过对节点进行颜色标记

和旋转操作来保持树的平衡。

（b）红黑树的特点

① 节点颜色：每个节点被标记为红色或黑色。这是红黑树的核心特征之一。

② 平衡性：红黑树通过一些规则来维持平衡性。具体规则如下：

  • 根节点是黑色。
  • 所有叶节点（NIL节点或空节点）是黑色。
  • 如果一个节点是红色，那么它的两个子节点都是黑色。
  • 从任意节点到其每个叶子节点的路径上，包含相同数量的黑色节点。

③ 排序性：红黑树是一种二叉搜索树，它保持了节点的严格排序性。对于每个节点，左子树中的所有节点都小于该节点，右子树中的所有节点都大于该节点。

二、面试关于树结构常考算法

1、求二叉树的高度

题目：给定一颗二叉树，求该数的高度，例如，如下二叉树的高度是4。

思路：有两种方法来求解二叉树的高度，一是递归二是迭代。

递归方法通过递归调用求解左子树和右子树的高度，并取较大值加1得到二叉树的高度。

迭代方法使用层序遍历，每遍历完一层，高度加1，直到遍历完所有节点。

#include<iostream>
#include <algorithm>
#include<queue>
using namespace std;
struct BinaryTreeNode
{
    struct BinaryTreeNode* left;
    struct BinaryTreeNode* right;
    int data;  
    BinaryTreeNode(int x): data(x), left(NULL),right(NULL) {}
};

// 迭代方法
int FindHeightofTree(BinaryTreeNode* root){
    if (root == nullptr) {
        return 0; // 空树高度为0
    }
    int count = 0;
    while(root != NULL){
        if(root->left || root->right){
            count += 1;
            if(root->left){
                root = root->left;
                continue;
            } 
            if(root->right){
                root = root->right;
                continue;
            } 
        } 
        root = NULL;

    }
    return count + 1;
}

// 递归方法
int getHeight(BinaryTreeNode* root){
    if (root == nullptr) {
        return 0; // 空树高度为0
    }
    int leftHeight = getHeight(root->left);
    int rightHeight = getHeight(root->right);
    return 1 + std::max(leftHeight, rightHeight);
}

int main(){
    BinaryTreeNode* root = new BinaryTreeNode(2);
    root->left = new BinaryTreeNode(1);
    root->right = new BinaryTreeNode(4);
    root->left->right = new BinaryTreeNode(3);
    root->right->left = new BinaryTreeNode(8);
    root->left->right->left = new BinaryTreeNode(5);
    // 递归法
    int res = FindHeightofTree(root);
    // 迭代法
    int res1 = getHeight(root);
    cout<< res1;
    cout<< res;
    // 释放内存，防止内存泄漏
    delete root->left->right->left;
    delete root->right->left;
    delete root->left->right;
    delete root->left;
    delete root->right;
    delete root;
}

  

2、在二叉搜索树中查找第K个最大值

 题目：如下二叉搜索树，给定k = 5，[19, 18, 17, 16, 15, 12, 9, 5, 3]，则下列二叉搜索树中第5个最大值为15。

思路：二叉搜索树（BST）的后序遍历实际是对树节点的升序排列。所以同第一题，有递归法和迭代法实现BST的中序遍历，遍历后再逆序，返回第k个最大值。

迭代法实现中序遍历：使用一个栈来实现迭代法的中序遍历。先遍历树的左子树，如果当前节点存在左子树，则将当前节点压入栈，直到没有左子树，则记录栈顶元素（temp），并弹出。在遍历当前节点（temp）的右子树。

#include<iostream>
#include<vector>
#include<stack>
#include<algorithm>
using namespace std;

struct BinaryTreeNode{
    BinaryTreeNode* left;
    BinaryTreeNode* right;
    int val;
    BinaryTreeNode(int x): val(x), left(NULL), right(NULL){}
};
int getNthMaxFromTree2(BinaryTreeNode* root, int k){
    vector<int> res;
    stack<BinaryTreeNode*> s;
    BinaryTreeNode* temp;
    //非递归中序遍历
    while(root != NULL || !s.empty()){
        if(root){
            s.push(root);
            root = root->left;
        }
        else{
            temp = s.top();
            s.pop();
            cout << temp->val<<",";
            res.push_back(temp->val);
            root = temp->right;   
        }

    }
     // 降序
    sort(res.rbegin(),res.rend());
    cout << endl;
    for(auto c: res){
        cout<< c << "-";
    }
    return res[k-1]; 
 }


int main(){
    BinaryTreeNode* root = new BinaryTreeNode(12);
    root->left = new BinaryTreeNode(5);
    root->right = new BinaryTreeNode(18);
    root->left->left = new BinaryTreeNode(3);
    root->left->right = new BinaryTreeNode(9);
    root->right->left = new BinaryTreeNode(15);
    root->right->right = new BinaryTreeNode(19);
    root->right->left->right = new BinaryTreeNode(17);
    root->right->left->right->left = new BinaryTreeNode(16);
    int val = getNthMaxFromTree2(root, 5);
    cout << endl <<val;
    // 释放内存，防止内存泄漏
    delete root->right->left->right->left;
    delete root->right->left->right;
    delete root->right->right;
    delete root->right->left;
    delete root->left->right;
    delete root->left->left;
    delete root->right;
    delete root->left;
    delete root;
}

 

3、查找与根节点距离K的节点

题目：如下二叉树，给定k = 2， 输出与根节点距离2的节点[3， 8， 5]。

思路： 可以使用深度优先搜索（DFS）或广度优先搜索（BFS）来遍历二叉树，并记录每个节点的距离。当找到距离为K的节点时，将其存储起来。

广度优先搜索（BFS）+队列：我们可以在遍历每一层节点时，将该节点的子节点加入队列（size--控制循环），并记录它们的距离。当距离等于K时，将该节点的值存储起来。

深度优先搜索（DFS）+栈：使用一个栈来存储当前节点和距离的信息。在每次循环中，取出栈顶元素，检查当前距离是否等于K，如果是，则将该节点的值存储到结果数组中。然后，将当前节点的子节点按照右子节点先入栈，左子节点后入栈，并将距离加1。这样，我们可以确保在深度优先搜索中，离根节点更远的节点会在栈中先被访问。

#include<iostream>
#include<stack>
#include<queue>
#include<map>

using namespace std;
typedef int BTDataType;
struct BinaryTreeNode
{
    struct BinaryTreeNode* _pLeft;
    struct BinaryTreeNode* _pRight;
    BTDataType _data;
    BinaryTreeNode(int x): _data(x), _pLeft(NULL), _pRight(NULL){}
    
};

// 二叉树的广度优先遍历+队列实现（非递归）
vector<int> LevelOrder(BinaryTreeNode* root, int k){
    queue<BinaryTreeNode*> que; //使用一个队列来存储当前层的节点
    BinaryTreeNode* temp;
    int distance;
    vector<int> res;
    if(root) que.push(root);
    while(!que.empty()){
        // 记录队列中的节点个数
        int size = que.size();
        if(distance == k){
            while(!que.empty()){
                res.push_back(que.front()->_data);
                que.pop();
            }
            break;
        }
        // 用size--控制循环处理当前层的节点(当前层所有节点出队，下层节点入队)
        while(size--){
        temp = que.front();
        que.pop();
        // cout << temp->_data << ",";
        if(temp->_pLeft) que.push(temp->_pLeft);
        if(temp->_pRight) que.push(temp->_pRight);
    }
    distance++;
}
 return res;   
}


// 二叉树的深度优先遍历（先序）+栈实现（非递归）
vector<int> getKdistanceInOrder(BinaryTreeNode* root, int k){
    vector<int> res;
    stack<pair<BinaryTreeNode*, int>> s; //栈用来存储节点和当前距离
    if(root) s.push({root, 0});
    while(!s.empty()){
        BinaryTreeNode* p = s.top().first;
        int distance = s.top().second;
        s.pop();
        if(distance == k) res.push_back(p->_data); //当距离等于K时，将该节点的值存储起来。
        if(p->_pRight) s.push({p->_pRight, distance + 1});
        if(p->_pLeft) s.push({p->_pLeft, distance + 1});
        
    }
    return res;
}

int main(){
    BinaryTreeNode* root = new BinaryTreeNode(2);
    root->_pLeft = new BinaryTreeNode(1);
    root->_pRight = new BinaryTreeNode(4);
    root->_pLeft->_pRight = new BinaryTreeNode(3);
    root->_pRight->_pLeft = new BinaryTreeNode(8);
    root->_pRight->_pRight = new BinaryTreeNode(7);
    root->_pLeft->_pRight->_pLeft = new BinaryTreeNode(5);
    vector<int> res = LevelOrder(root, 2);
    for(auto c: res){
        cout << c << ",";
    }
    cout << endl;
    vector<int> res2 = getKdistanceInOrder(root, 2);
    for(auto b: res2){
        cout << b << ",";
    }
    // 释放内存
    delete root->_pLeft->_pRight->_pLeft;
    delete root->_pRight->_pRight;
    delete root->_pRight->_pLeft;
    delete root->_pLeft->_pRight;
    delete root->_pRight;
    delete root->_pLeft;   
    
}

4、在二叉树中查找给定节点的祖先节点

祖先节点(Ancestor)：沿树根到某一结点路径上的所有结点都是这个结点的祖先结点。

题目：如下二叉树，给定节点值6，打印节点6的祖先节点 [3, 1, 2]。

思路： 使用递归方法，检查当前节点是否为空，为空就返回false。如果当前节点不为空，检查是否为目标节点，如果是返回true。接下来，递归地在左子树和右子树中查找目标节点，如果在左子树或右子树中找到了目标节点，则将当前节点的值添加到结果数组中，并返回true。如果左子树和右子树都没有找到目标节点，则返回false。

#include<iostream>
#include<vector>
#include<stack>
#include<algorithm>
using namespace std;

struct BinaryTreeNode{
    BinaryTreeNode* left;
    BinaryTreeNode* right;
    int val;
    BinaryTreeNode(int x): val(x), left(NULL), right(NULL){}
};

bool findAncestorsDFS(BinaryTreeNode* root, int target, vector<int>& ancestors) {
    if (root == nullptr) {
        return false;
    }

    if (root->val == target) {
        return true;
    }

    if (findAncestorsDFS(root->left, target, ancestors) || findAncestorsDFS(root->right, target, ancestors)) {
        ancestors.push_back(root->val);
        return true;
    }

    return false;
}


int main(){
    BinaryTreeNode* root = new BinaryTreeNode(2);
    root->left = new BinaryTreeNode(1);
    root->right = new BinaryTreeNode(4);
    root->left->right = new BinaryTreeNode(3);
    root->right->left = new BinaryTreeNode(8);
    root->right->right = new BinaryTreeNode(5);
    root->left->right->left = new BinaryTreeNode(6);
    int target = 6;
    vector<int> ancestors;
    bool res = findAncestorsDFS(root, target, ancestors);
    cout << "节点 " << target << " 的祖先节点值为：";
    for (int val : ancestors) {
        std::cout << val << " ";
    }
    std::cout << std::endl;
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1313961.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

牛客网BC100有序序列合并

牛客网BC100有序序列合并

思路&#xff1a; 运用归并排序&#xff1a; 假设给定我们两个都是升序的数组&#xff0c;要求我们要把这两个数组以升序的方式合并到一个数组中&#xff0c;则我们就可以在这两个数组中分别各拿取一个元素进行比较&#xff0c;将二者之间较小值先放在这个新数组中&#xff0c…
阅读更多...
函数图形渐近线分析

函数图形渐近线分析

文章目录 曲线的渐近线水平和垂直渐近线斜渐近线斜渐近线公式推导简便方法确定斜渐近线(一次多项式化方法) 例 曲线的渐近线 渐近线综合了极限和函数图形的知识,尤其是斜渐近线 水平和垂直渐近线 若点 M M M沿曲线 y f ( x ) yf(x) yf(x)无限远离原点时,它于某条直线 L L L之…
阅读更多...
web应用开发技术的一些概念

web应用开发技术的一些概念

一、Servlet 1.Servlet的工作过程&#xff1a; Servelt的工作流程示意图 &#xff08;1&#xff09;客户端发起一个Http请求到服务器&#xff0c;请求特定的资源或者是要执行特定的操作 &#xff08;2&#xff09;服务器在接收到请求后&#xff0c;根据请求相应的URL将请求分发…
阅读更多...
2023.12.15 FineBI与kettle

2023.12.15 FineBI与kettle

1.结构化就是可以用schema描述的数据,就是结构化数据,能转为二维表格, 如CSV,Excel, 2.半结构化就是部分可以转换为二维表格,如JSON,XML 3.非结构化数据,就是完全无法用二维表格表示的数据,如Word文档,Mp4,图片,等文件. kettle的流程 新建转换-构建流图-配置组件-保存运行 使…
阅读更多...
人工智能与星际旅程：技术前沿与未来展望

人工智能与星际旅程：技术前沿与未来展望

人工智能与星际旅程&#xff1a;技术前沿与未来展望 一、引言 随着科技的飞速发展&#xff0c;人工智能&#xff08;AI&#xff09;在各个领域的应用越来越广泛。在星际旅程领域&#xff0c;AI也发挥着越来越重要的作用。本文将探讨人工智能与星际旅程的结合&#xff0c;以及…
阅读更多...
微服务架构之争：Quarkus VS Spring Boot

微服务架构之争：Quarkus VS Spring Boot

在容器时代&#xff08;“Docker时代”&#xff09;&#xff0c;无论如何&#xff0c;Java仍然活着。Java在性能方面一直很有名&#xff0c;主要是因为代码和真实机器之间的抽象层&#xff0c;多平台的成本&#xff08;一次编写&#xff0c;随处运行——还记得吗&#xff1f;&a…
阅读更多...
word2vec，BERT，GPT相关概念

word2vec，BERT，GPT相关概念

词嵌入&#xff08;Word Embeddings&#xff09; 词嵌入通常是针对单个词元&#xff08;如单词、字符或子词&#xff09;的。然而&#xff0c;OpenAI 使用的是预训练的 Transformer 模型&#xff08;如 GPT 和 BERT&#xff09;&#xff0c;这些模型不仅可以为单个词元生成嵌入…
阅读更多...
数据库02-04 中级SQL

数据库02-04 中级SQL

01.on关键字&#xff1a; 主要用join…on来用多关系查询&#xff0c;和where关键字的相同 student关系&#xff1a; takes关系&#xff1a; 02.一般外连接 自然连接&#xff1a; 这个外连接&#xff08;自然连接&#xff09;会缺少空值的元祖&#xff08;本例子中的stude…
阅读更多...
python 小程序学生选课系统源码

python 小程序学生选课系统源码

开发工具&#xff1a; PyCharm&#xff0c;mysql5.7&#xff0c;微信开发者工具 技术说明&#xff1a; python django html 小程序 功能介绍&#xff1a; 学生&#xff1a; 登录&#xff0c;选课&#xff08;查看课程及选择&#xff09;&#xff0c;我的成绩&#xff0c;…
阅读更多...
【采坑分享】npm login/publish/whoami失败采坑，解决npmERR426、ETIMEDOUT、ECONNREFUSED等错误

【采坑分享】npm login/publish/whoami失败采坑，解决npmERR426、ETIMEDOUT、ECONNREFUSED等错误

目录 前言背景&#xff1a; 采坑之路&#xff1a; 1.修改https为http&#xff0c;问题还在 2.修改为淘宝镜像&#xff0c;问题还在 3.修改为官网地址&#xff0c;问题还在 4.升级node和npm&#xff0c;问题还在 5.猜想网络问题&#xff0c;问题解决 采坑总结&#xff1a…
阅读更多...
HBase的安装与简单操作

HBase的安装与简单操作

文章目录 第1关&#xff1a;Hbase数据库的安装第2关&#xff1a;创建表第3关&#xff1a;添加数据、删除数据、删除表 第1关&#xff1a;Hbase数据库的安装 编程要求 根据上述步骤安装配置好HBase数据库&#xff0c;并启动成功。 测试说明 若安装配置成功&#xff0c;则程序会…
阅读更多...
《数据结构、算法与应用C++语言描述》- 构建哈夫曼树

《数据结构、算法与应用C++语言描述》- 构建哈夫曼树

哈夫曼树 完整可编译运行代码见&#xff1a;Github::Data-Structures-Algorithms-and-Applications/_29huffmanTree 定长编码与可变长编码 定长编码 每个字符都用固定长度的编码来表示。 例如假设一个文本是由字符 a、u、x 和 z 组成的字符串&#xff0c;每个字符用2位二进…
阅读更多...
【JVM从入门到实战】（七）运行时数据区的组成

【JVM从入门到实战】（七）运行时数据区的组成

运行时数据区: Java虚拟机在运行Java程序过程中管理的内存区域&#xff0c;称之为运行时数据区。 《Java虚拟机规范》中规定了每一部分的作用 线程不共享&#xff1a;程序计数器、虚拟机栈、本地方法栈 线程共享&#xff1a;方法区&#xff0c;堆 1. 程序计数器(Program Count…
阅读更多...
Docker单点部署 Elasticsearch + Kibana [8.11.3]

Docker单点部署 Elasticsearch + Kibana [8.11.3]

文章目录 一、Elasticsearch二、Kibana三、访问四、其他 Elasticsearch 和 Kibana 版本一般需要保持一致才能一起使用&#xff0c;但是从 8.x.x开始&#xff0c;安全验证不断加强&#xff0c;甚至8.x.x之间的版本安全验证方法都不一样&#xff0c;真的很恼火。 这里记录一次成…
阅读更多...
字符串——OJ题

字符串——OJ题

&#x1f4d8;北尘_&#xff1a;个人主页 &#x1f30e;个人专栏:《Linux操作系统》《经典算法试题 》《C》 《数据结构与算法》 ☀️走在路上&#xff0c;不忘来时的初心 文章目录 一、字符串相加1、题目讲解2、思路讲解3、代码实现 二、仅仅反转字母1、题目讲解2、思路讲解3…
阅读更多...
[C++]——学习模板

[C++]——学习模板

了解模板——初阶 前言&#xff1a;一、模板1.1 什么是模板1.2 模板的概念1.3 模板可以做什么1.4 泛型模板 二、函数模板2.1 函数模板概念和格式2.2 函数模板原理2.3 函数模板实例化2.3.1 隐式实例化2.3.2 显式实例化 2.4 模板参数的匹配原则2.5 函数模板声明定义分离 三、类模…
阅读更多...
服务器一直掉线怎么回事？

服务器一直掉线怎么回事？

随着网络的高速发展&#xff0c;不管是网站还是游戏&#xff0c;如果遇到服务器卡顿的情况&#xff0c;会造成用户访问网站或进游戏&#xff0c;网站页面长时间无法打开&#xff0c;游戏页面运行卡顿&#xff0c;这样就很容易会造成用户的流失&#xff0c;从而导致业务亏损极大…
阅读更多...
华为数通——企业双出口冗余

华为数通——企业双出口冗余

目标&#xff1a;默认数据全部经过移动上网&#xff0c;联通低带宽。 R1 [ ]ip route-static 0.0.0.0 24 12.1.1.2 目的地址 掩码 下一条 [ ]ip route-static 0.0.0.0 24 13.1.1.3 preference 65 目的地址 掩码 下一条 设置优先级为65 R…
阅读更多...
数据持久化与临时存储的对决：localStorage 与 sessionStorage(上)

数据持久化与临时存储的对决：localStorage 与 sessionStorage(上)

&#x1f90d; 前端开发工程师&#xff08;主业&#xff09;、技术博主&#xff08;副业&#xff09;、已过CET6 &#x1f368; 阿珊和她的猫_CSDN个人主页 &#x1f560; 牛客高级专题作者、在牛客打造高质量专栏《前端面试必备》 &#x1f35a; 蓝桥云课签约作者、已在蓝桥云…
阅读更多...
《使用ThinkPHP6开发项目》 - ThinkPHP6使用使用中间件验证登录Token

《使用ThinkPHP6开发项目》 - ThinkPHP6使用使用中间件验证登录Token

https://blog.csdn.net/centaury32/article/details/134997438 按照https://blog.csdn.net/centaury32/article/details/134999029的方法验证登录Token&#xff0c;那么每一步都需要写同样一段代码&#xff0c;这里可以结合中间件进行验证 一、创建中间件&#xff1a;php thi…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023