关于递归与非递归一些想法

递归与非递归

写在前面

现在很多公司面试的时候经常会同时考察一道题目的递归与非递归做法，往往递归做法能够一气呵成，但是非递归方法却很容易卡壳。我想大概是因为递归方法，更符合我们的思维逻辑、代码也更简洁。不像非递归方法，通常需要我们手动借助其它数据结构作为临时存储。但是递归方法，在运行的过程中也在不断的创建数据结构存储中间量，只是这个过程我们是看不见的。

翻转二叉树

leetcode 226翻转二叉树
递归方法：深度优先遍历，二叉树的后序遍历

	TreeNode* invertTree(TreeNode* root) {
	    if(!root)   return nullptr;
	    auto left = invertTree(root->left);
	    auto right = invertTree(root->right);
	    root->left = right;
	    root->right = left;
	    return root;
	 }

可以看到每次递归传递的形参是左右子树，所以如果使用非递归我们需要存储的就是当前节点的左右子树。

非递归方法：
上面递归方法用的是深度优先遍历，现在我们来考虑一下广度优先遍历的方法。二叉树的层序遍历正好对应广度优先遍历，借助queue存储每层节点。

	TreeNode* invertTree(TreeNode* root) {
	    if(!root)   return nullptr;
	    queue<TreeNode*> stree;
	    stree.push(root);
	    while(!stree.empty()){
	        auto tmp = stree.front();
	        stree.pop();
	        if(tmp->left)   stree.push(tmp->left);
	        if(tmp->right)  stree.push(tmp->right);
	        auto tmp_node = tmp->left;
	        tmp->left = tmp->right;
	        tmp->right = tmp_node; 
	    }
	    return root;
	}

那深度优先遍历能不能用非递归的方法实现呢？
利用了stack作为存储结构，使用前序遍历的方法。

    TreeNode* invertTree(TreeNode* root) {
        if(!root)   return nullptr;
        stack<TreeNode*> stree;
        stree.push(root);
        while(!stree.empty()){
            auto tmp = stree.top();
            stree.pop();
            swap(tmp->left, tmp->right);
            if(tmp->right)  stree.push(tmp->right);
            if(tmp->left) stree.push(tmp->left);
        }
        return root;
    }

在使用深度优先遍历的时候，通常使用stack存储，而广度优先遍历更倾向于使用queue。