Leetcode2583. 二叉树中的第 K 大层和

文章介绍了在给定的二叉树中,利用层序遍历和快速选择算法求解第K大层的节点值之和的问题,两种方法的时间复杂度均为O(nlogn),空间复杂度为O(n)。

Every day a Leetcode

题目来源:2583. 二叉树中的第 K 大层和

解法1:层序遍历 + 排序

先使用层序遍历计算出树的每一层的节点值的和,保存在数组 levelSum 中。然后将数组进行排序,返回第 k 大的值。需要考虑数组长度小于 k 的边界情况。

代码:

/*
 * @lc app=leetcode.cn id=2583 lang=cpp
 *
 * [2583] 二叉树中的第 K 大层和
 */

// @lc code=start
/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode() : val(0), left(nullptr), right(nullptr) {}
 *     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
 *     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
 * };
 */
class Solution
{
public:
    long long kthLargestLevelSum(TreeNode *root, int k)
    {
        if (root == nullptr)
            return -1;

        vector<long long> levelSum;
        queue<TreeNode *> q;
        q.push(root);
        while (!q.empty())
        {
            int size = q.size();
            long long sum = 0LL;
            for (int i = 0; i < size; i++)
            {
                TreeNode *node = q.front();
                q.pop();
                sum += node->val;
                if (node->left)
                    q.push(node->left);
                if (node->right)
                    q.push(node->right);
            }
            levelSum.push_back(sum);
        }

        if (levelSum.size() < k)
            return -1;
            
        sort(levelSum.begin(), levelSum.end());

        return levelSum[levelSum.size() - k];
    }
};
// @lc code=end

结果:

在这里插入图片描述

复杂度分析:

时间复杂度:O(nlogn),其中 n 是二叉树的节点个数。

空间复杂度:O(n),其中 n 是二叉树的节点个数。

解法2:层序遍历 + 快速选择

也可以使用快速选择的算法快速定位第 k 大的元素。

代码:

// 层序遍历 + 快速选择

class Solution
{
public:
    long long kthLargestLevelSum(TreeNode *root, int k)
    {
        if (root == nullptr)
            return -1;

        vector<long long> levelSum;
        queue<TreeNode *> q;
        q.push(root);
        while (!q.empty())
        {
            int size = q.size();
            long long sum = 0LL;
            for (int i = 0; i < size; i++)
            {
                TreeNode *node = q.front();
                q.pop();
                sum += node->val;
                if (node->left)
                    q.push(node->left);
                if (node->right)
                    q.push(node->right);
            }
            levelSum.push_back(sum);
        }

        int n = levelSum.size();
        if (k > n)
            return -1;
        ranges::nth_element(levelSum, levelSum.begin() + (n - k));
        return levelSum[n - k];
    }
};

结果:

在这里插入图片描述

复杂度分析:

时间复杂度:O(nlogn),其中 n 是二叉树的节点个数。

空间复杂度:O(n),其中 n 是二叉树的节点个数。

### 问题分析 LeetCode 215 题“数组中的第 K 个最元素”要求在给定数组中找出第 K 的元素。 ### 解决方案分析 #### 根堆方法 堆是一种完全二叉树根堆的根节点始终于左右子节点。解题步骤如下: 1. **构造根堆**:数据以数组形式存储,构造根堆是将合适元素互换位置的过程。从倒数第二行最后一个元素(即数组长度 `lens` 的 `lens/2` 位置)开始,对于每个节点 `i`,比较其左右子节点(左子树节点为 `2i + 1`,右子树节点为 `2i + 2`)的小,若子节点比 `i` ,则交换位置。交换后,需递归处理交换位置后的节点及其子树,同时用 `heapsize` 防止越界 [^3]。 2. **弹出根节点**:构造好根堆后,依次弹出根堆的根节点,弹出 `k - 1` 次后,此时的根节点即为第 `k` 的值。每次弹出根节点后,将根节点数组末尾元素交换,更新 `heapsize` 以排除已弹出元素,重新调整堆使其满足根堆性质 [^3]。 #### 快速选择方法 通过选择一个基准元素 `flag`,将数组分为三部分:于 `flag` 的元素 `big`、小于 `flag` 的元素 `small` 等于 `flag` 的元素 `equal`。根据 `k` `big` `small` 数组长度的关系,递归在相应部分继续查找第 `k` 元素 [^2]。 ### 代码示例 #### 根堆(C++ 代码) ```cpp #include <iostream> #include <vector> using namespace std; class Solution { public: int findKthLargest(vector<int>& nums, int k) { int n = nums.size(); // 构建根堆 for (int i = n / 2 - 1; i >= 0; i--) { heapify(nums, n, i); } // 移除前 k - 1 个最元素 for (int i = n - 1; i >= n - k + 1; i--) { swap(nums[0], nums[i]); heapify(nums, i, 0); } return nums[0]; } void heapify(vector<int>& nums, int n, int i) { int largest = i; int left = 2 * i + 1; int right = 2 * i + 2; if (left < n && nums[left] > nums[largest]) { largest = left; } if (right < n && nums[right] > nums[largest]) { largest = right; } if (largest != i) { swap(nums[i], nums[largest]); heapify(nums, n, largest); } } }; ``` #### 快速选择(Python 代码) ```python class Solution(object): def findKthLargest(self, nums, k): flag = nums[0] big, small, equal = [], [], [] for num in nums: if num > flag: big.append(num) elif num < flag: small.append(num) else: equal.append(num) if k <= len(big): return self.findKthLargest(big, k) if len(nums) - len(small) < k: return self.findKthLargest(small, k - (len(nums) - len(small))) return flag ``` ### 复杂度分析 - **根堆方法**:时间复杂度为 $O(n + klogn)$,其中构建根堆的时间复杂度为 $O(n)$,每次调整堆的时间复杂度为 $O(logn)$,共调整 `k - 1` 次。空间复杂度为 $O(1)$,只需要常数级的额外空间 [^3]。 - **快速选择方法**:平均时间复杂度为 $O(n)$,最坏情况下为 $O(n^2)$。空间复杂度为 $O(n)$,主要用于递归调用栈 [^2]。 ### 总结 本题主要考察了堆排序快速选择算法的应用。根堆方法通过构建调整堆结构,逐步找出第 `k` 元素,稳定性较好,但时间复杂度相对较高。快速选择方法利用分治思想,平均情况下效率较高,但最坏情况性能较差。在实际应用中,可根据具体数据规模特点选择合适的算法
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

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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