leetcode 863. 二叉树中所有距离为 K 的结点 -结点向上调整

这篇博客介绍了如何使用深度优先搜索(DFS)算法解决LeetCode上的问题,即在二叉树中找到与目标节点target距离为k的所有节点的值。通过两次DFS,一次查找目标子树,另一次调整后搜索距离,提供了详细的步骤和示例代码实现。

给定一个二叉树(具有根结点 root), 一个目标结点 target ,和一个整数值 K 。

返回到目标结点 target 距离为 K 的所有结点的值的列表。 答案可以以任何顺序返回。

示例 1:

输入:root = [3,5,1,6,2,0,8,null,null,7,4], target = 5, K = 2
输出:[7,4,1]
解释:
所求结点为与目标结点(值为 5)距离为 2 的结点,
值分别为 7,4,以及 1

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/all-nodes-distance-k-in-binary-tree
在这里插入图片描述

思路

  • DFS 先找到target的子树中,相距target为k的节点
  • 递归回溯的时候调整target节点为根节点(如果target已经是根节点,就不需要再调整了)
    • 删除target的子树
    • target的一个孩子置空,一个孩子指向父结点
    • 父节点指向target的指针改为指向父节点的父节点
      具体操作如图
  • 调整后,target变成了root节点,直接递归找相距target为k的节点

如图

在这里插入图片描述

题解- 两次dfs- 通过 O(n)

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution:
    def distanceK(self, root, target, k: int):
        if k==0:return [target.val]
        ans = []
        # 找到每个节点距离target的距离,如果等于K 则返回

        # 找到目标节点target
        # 找到目标节点相距K的节点
        def dfs(root,l,r,papa,ad = True):
            if not root: return False
            if l+r == k:
                ans.append(root.val)
                return False
            if root == target:l = r = k
            f1 = dfs(root.left,l-1,r,root)
            f2 = dfs(root.right,l,r-1,root)
            if ad:
                adjust(root,papa)
                if f1:root.left = papa
                if f2:root.right = papa
                if root==target:
                    root.left = None
                    root.right = papa
            if root == target or f1 or f2:return True
            return False

        def adjust(root,papa):
            if root == target:
                target.left == None
                target.right = papa
        if k == 0:return [target]
        if root!=target:dfs(root,-1,-1,None)
        dfs(target,-1,-1,None,ad=False)
        return ans

在这里插入图片描述

<think>好的,我需要帮助用户实现二叉树的层序遍历(BFS),并且用户提到要参考LeetCode上的方法。首先,我应该回忆一下层序遍历的基本概念。层序遍历就是按层次从上到下,每层从左到右访问节点。通常使用队列来实现,因为队列的先进先出特性很适合这种顺序。 接下来,我需要查看用户提供的引用内容,看看有没有相关的代码示例。引用[2]和[3]分别提供了Python和C++的实现。用户可能需要Python的解决方案,因为示例中的代码是Python的。不过用户的问题并没有指定语言,可能需要同时提供两种,或者询问用户的需求。不过根据问题描述,用户可能希望得到具体的实现方法,所以可能需要给出通用的步骤和代码示例。 然后,我需要确保回答的结构清晰,按照用户的要求分步骤说明。步骤可能包括初始化队列、处理当前层节点、将子节点加入队列等。同时,要引用用户提供的参考资料,比如引用[2]中的Python代码和引用[3]中的C++代码,以支持回答的正确性。 另外,用户提到要使用BFS,所以需要强调BFS在层序遍历中的应用。可能还需要解释为什么队列适合这种场景,以及如何处理每一层的节点,例如记录每层的大小,循环处理该层的所有节点。 最后,生成相关问题,这部分需要根据层序遍历的应用、优化方法、与其他遍历方式的区别等来设计问题。例如,可以问如何用层序遍历解决右视图问题,或者DFS与BFS在层序遍历中的不同实现。 在编写过程中,需要确保所有数学表达式和公式符合LaTeX格式,行内公式用$...$,独立公式用$$...$$。同时,引用要自然,例如在提到具体实现时添加引用标识。</think>### 二叉树层序遍历(BFS)实现方法 #### 核心思路 层序遍历通过队列(FIFO)实现广度优先搜索(BFS),按层级逐层遍历节点。具体步骤如下: 1. **初始化队列**:将根节点加入队列。 2. **逐层处理**:循环处理队列中的节点,每次处理一层的全部节点。 3. **记录子节点**:将当前节点的左右子节点加入队列,作为下一层的待处理节点。 4. **保存结果**:每层遍历完成后,将该层的节点值存入结果列表。 #### 代码实现(Python示例) ```python def levelOrder(root): if not root: return [] result = [] queue = [root] while queue: level_size = len(queue) current_level = [] for _ in range(level_size): node = queue.pop(0) # 弹出队列头部节点 current_level.append(node.val) if node.left: queue.append(node.left) if node.right: queue.append(node.right) result.append(current_level) return result ``` **关键点**: - `level_size`确保每次循环处理固定数量的节点(即当前层所有节点)[^2] -节点按左到右顺序入队,保证层序的正确性[^4] #### 代码实现(C++示例) ```cpp vector<vector<int>> levelOrder(TreeNode* root) { vector<vector<int>> result; if (!root) return result; queue<TreeNode*> q; q.push(root); while (!q.empty()) { int level_size = q.size(); vector<int> current_level; for (int i = 0; i < level_size; ++i) { TreeNode* node = q.front(); q.pop(); current_level.push_back(node->val); if (node->left) q.push(node->left); if (node->right) q.push(node->right); } result.push_back(current_level); } return result; } ``` **说明**: - 使用队列`queue`保存待处理节点,通过`level_size`控制每层循环次数[^3] #### 复杂度分析 - **时间复杂度**:$O(n)$,每个节点入队出队各一次 - **空间复杂度**:$O(n)$,队列最大存储节点数为最后一层的宽度
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值