子树

本文探讨了一种算法设计,用于判断一个大型二进制树T1中是否存在与较小的二进制树T2完全相同的子树。通过递归比对节点值,实现了高效的子树查找。

题目:

有两个不同大小的二进制树: T1 有上百万的节点; T2 有好几百的节点。请设计一种算法,判定 T2 是否为 T1的子树。

 注意事项

若 T1 中存在从节点 n 开始的子树与 T2 相同,我们称 T2 是 T1 的子树。也就是说,如果在 T1 节点 n 处将树砍断,砍断的部分将与 T2 完全相同。

样例

下面的例子中 T2 是 T1 的子树:

       1                3
      / \              / 
T1 = 2   3      T2 =  4
        /
       4

下面的例子中 T2 不是 T1 的子树:

       1               3
      / \               \
T1 = 2   3       T2 =    4
        /
       4

思路:先让一个bool值res=0,然后判断各种简单情况,如果T1的值和T2的值相等,直接调用bijiao函数,让res=bijiao(T1,T2),当res=0时,分别对T1的左右子树递归,其中bijiao函数为当T1!=NULL&&T2!=NULL&&T1->val==T2->val,对T1和T2的左右子树递归,当T1和T2等于NULL时,就意味着已经满足要求,返回1.

代码:

/**
 * Definition of TreeNode:
 * class TreeNode {
 * public:
 *     int val;
 *     TreeNode *left, *right;
 *     TreeNode(int val) {
 *         this->val = val;
 *         this->left = this->right = NULL;
 *     }
 * }
 */
class Solution {
public:
    /**
     * @param T1, T2: The roots of binary tree.
     * @return: True if T2 is a subtree of T1, or false.
     */
    bool isSubtree(TreeNode *T1, TreeNode *T2) {
        // write your code here
        bool res=0;
        if(T2==NULL) return 1;
        if(T1==NULL) return 0;
        if(T1->val==T2->val)
             res=bijiao(T1,T2);
        if(!res)
           res=isSubtree(T1->left,T2);
        if(!res)
           res=isSubtree(T1->right,T2);
        return res;
    }
    bool bijiao(TreeNode *T1,TreeNode *T2)
    { if(T1!=NULL&&T2!=NULL&&T1->val==T2->val){
        return bijiao(T1->left,T2->left)&&bijiao(T1->right,T2->right);
    }
    if(T1==NULL&&T2==NULL) {return 1;}
    return 0;
    }
};

感想:

这道题挺难的,我想了好久没想出来,还是看的别人的博客,确实思路太特立独行。

计算二叉中某个子树的高度,可以通过递归方法实现。子树的高度定义为该子树中最远叶子节点到该子树根节点的最长路径所经过的边数。具体实现时,可以采用后序遍历的方式,先递归地计算左子树和右子树的高度,然后取两者中的最大值,并加上1(表示当前节点的高度贡献),从而得到当前节点为根的子树高度。 以下是实现该功能的代码示例: ```java class TreeNode { int val; TreeNode left; TreeNode right; TreeNode(int val) { this.val = val; } } public class BinaryTreeHeight { /** * 计算以指定节点为根的子树的高度 * @param node 子树的根节点 * @return 子树的高度 */ public int findSubtreeHeight(TreeNode node) { if (node == null) { return 0; // 空节点的高度为0 } // 递归计算左子树和右子树的高度 int leftHeight = findSubtreeHeight(node.left); int rightHeight = findSubtreeHeight(node.right); // 当前子树的高度等于左右子树高度的最大值加1 int currentHeight = Math.max(leftHeight, rightHeight) + 1; return currentHeight; } } ``` 在上述代码中,`findSubtreeHeight` 方法通过递归方式计算子树的高度。如果当前节点为空,则返回0,表示空节点的高度为0。否则,递归地计算左子树和右子树的高度,并取两者的最大值,再加上1,得到当前节点为根的子树的高度[^1]。 这种方法的时间复杂度为 $O(n)$,其中 $n$ 是子树中节点的总数,因为每个节点都会被访问一次。空间复杂度取决于递归调用栈的深度,最坏情况下为 $O(h)$,其中 $h$ 是子树的高度。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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