Tree_Graph BST每层节点构成链表 (BFS新模板) @CareerCup

本文介绍了一种算法,该算法能将二叉查找树每一层的节点构建成链表。通过深度优先搜索(DFS)和广度优先搜索(BFS)两种方式实现,提供了完整的Java代码示例。

原文:

Given a binary search tree, design an algorithm which creates a linked list of all the nodes at each depth (i.e., if you have a tree with depth D, you’ll have D linked lists).

译文:

给定一棵二叉查找树,设计算法,将每一层的所有结点构建为一个链表(也就是说, 如果树有D层,那么你将构建出D个链表)


思路:

好题!可以用DFS和BFS两种方法做。

DFS:先处理root节点,把root节点插入到相应的level链表中(如果链表还没建立就建立以下),再处理左右子树,相当于前序遍历

BFS:还是用一个队列形式。不过是用了一个while+for的方式。非常方便的解决了问题!

Both Time Complexity: O(n), space complexity: O(n)

把模板列在这里:

while( cur.size() > 0 ) {
			result.add(cur);
			LinkedList<TreeNode> oldCur = cur;		// 保存原链表
			cur = new LinkedList<TreeNode>();		// 新建链表为保存下一层的节点
			for(TreeNode node : oldCur) {
				if(node.left != null) {
					cur.add(node.left);
				}
				if(node.right != null) {
					cur.add(node.right);
				}
			}
		}




package Tree_Graph;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.LinkedList;

import CtCILibrary.AssortedMethods;
import CtCILibrary.TreeNode;

public class S4_4 {

	// ================================= DFS递归,先序遍历
	public static ArrayList<LinkedList<TreeNode>> createLevelLinkedListDFS(TreeNode root) {
		ArrayList<LinkedList<TreeNode>> lists = new ArrayList<LinkedList<TreeNode>>();
		createLevelLinkedListRec(root, lists, 0);
		return lists;
	}
	
	public static void createLevelLinkedListRec(TreeNode root, ArrayList<LinkedList<TreeNode>> lists, int level) {
		if(root == null) {
			return;
		}
		
		LinkedList<TreeNode> list = null;
		if(level < lists.size()) {		// 已经存在于lists中,直接取出
			list = lists.get(level);
		} else {			// 否则新建
			list = new LinkedList<TreeNode>();
			lists.add(list);
		}
		
		list.add(root);
		
		// 递归处理左右子树
		createLevelLinkedListRec(root.left, lists, level+1);
		createLevelLinkedListRec(root.right, lists, level+1);
	}
	
	
	// ================================= BFS
	public static ArrayList<LinkedList<TreeNode>> createLevelLinkedListBFS(TreeNode root) {
		ArrayList<LinkedList<TreeNode>> result = new ArrayList<LinkedList<TreeNode>>();
		
		LinkedList<TreeNode> cur = new LinkedList<TreeNode>();
		if(root != null) {
			cur.add(root);
		}
		
		while( cur.size() > 0 ) {
			result.add(cur);
			LinkedList<TreeNode> oldCur = cur;		// 保存原链表
			cur = new LinkedList<TreeNode>();		// 新建链表为保存下一层的节点
			for(TreeNode node : oldCur) {
				if(node.left != null) {
					cur.add(node.left);
				}
				if(node.right != null) {
					cur.add(node.right);
				}
			}
		}
		
		return result;
	}
	
	
	public static void printResult(ArrayList<LinkedList<TreeNode>> result) {
		int depth = 0;
		for(LinkedList<TreeNode> list : result) {
			Iterator<TreeNode> itr = list.iterator();
			System.out.print("Link List at depth " + depth + ":");
			while(itr.hasNext()) {
				System.out.print(" " + itr.next().data);
			}
			System.out.println();
			depth++;
		}
	}
	
	public static void main(String[] args) {
		int[] nodes_flattened = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
		TreeNode root = AssortedMethods.createTreeFromArray(nodes_flattened);
		
//		TreeNode root = new TreeNode(1);
//		root.left = new TreeNode(2);
//		root.left.left = new TreeNode(3);
		
//		ArrayList<LinkedList<TreeNode>> list = createLevelLinkedListDFS(root);
		ArrayList<LinkedList<TreeNode>> list = createLevelLinkedListBFS(root);
		printResult(list);
	}
	
}


# 精读数组/链表/树/图,手写经典算法 ## 详解 数组、链表、树、图是计算机科学中最基础且最重要的**数据结构**,它们构成了大多数算法和系统实现的基础。掌握这些结构及其相关经典算法对于深入理解编程和算法设计至关重要。 --- ## 一、数组(Array) ### 1. 定义特点 - **连续内**:元素在内中连续储。 - **随机访问**:支持通过索引快速访问 $O(1)$。 - **插入/删除效率低**:平均时间复杂度 $O(n)$。 ### 2. 经典算法 #### (1)两数之和(Two Sum) ```python def two_sum(nums, target): seen = {} for i, num in enumerate(nums): complement = target - num if complement in seen: return [seen[complement], i] seen[num] = i return [] ``` #### (2)最长连续递增序列 ```python def find_length_of_lcis(nums): max_len = count = 1 for i in range(1, len(nums)): if nums[i] > nums[i - 1]: count += 1 max_len = max(max_len, count) else: count = 1 return max_len ``` --- ## 二、链表(Linked List) ### 1. 定义特点 - **非连续储**:每个节点包含数据和指向下一个节点的指针。 - **插入/删除高效**:时间复杂度 $O(1)$(已知位置)。 - **访问效率低**:需从头遍历,时间复杂度 $O(n)$。 ### 2. 经典算法 #### (1)反转链表(Iterative) ```python class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next def reverse_list(head): prev = None curr = head while curr: next_temp = curr.next curr.next = prev prev = curr curr = next_temp return prev ``` #### (2)判断链表是否有环(Floyd判圈算法) ```python def has_cycle(head): slow = fast = head while fast and fast.next: slow = slow.next fast = fast.next.next if slow == fast: return True return False ``` --- ## 三、树(Tree) ### 1. 定义特点 - **非线性结构**:每个节点有多个子节点。 - **典型应用**:二叉搜索树(BST)、堆、平衡树(AVL、红黑树)等。 ### 2. 经典算法 #### (1)前序遍历(递归) ```python def preorder_traversal(root): result = [] def dfs(node): if not node: return result.append(node.val) dfs(node.left) dfs(node.right) dfs(root) return result ``` #### (2)判断是否为二叉搜索树(BST) ```python def is_valid_bst(root): def dfs(node, low=float('-inf'), high=float('inf')): if not node: return True if not (low < node.val < high): return False return dfs(node.left, low, node.val) and dfs(node.right, node.val, high) return dfs(root) ``` --- ## 四、图(Graph) ### 1. 定义特点 - **顶点边的集合**:用于表示对象之间的关系。 - **常见表示方式**:邻接矩阵、邻接表。 ### 2. 经典算法 #### (1)深度优先搜索(DFS) ```python def dfs(graph, start): visited = set() def helper(node): visited.add(node) for neighbor in graph[node]: if neighbor not in visited: helper(neighbor) helper(start) return visited ``` #### (2)广度优先搜索(BFS) ```python from collections import deque def bfs(graph, start): visited = set() queue = deque([start]) while queue: node = queue.popleft() if node not in visited: visited.add(node) queue.extend(graph[node] - visited) return visited ``` #### (3)Dijkstra最短路径算法 ```python import heapq def dijkstra(graph, start): distances = {node: float('inf') for node in graph} distances[start] = 0 heap = [(0, start)] while heap: current_dist, u = heapq.heappop(heap) if current_dist > distances[u]: continue for v, weight in graph[u].items(): distance = current_dist + weight if distance < distances[v]: distances[v] = distance heapq.heappush(heap, (distance, v)) return distances ``` --- ## 知识点 1. **数组操作**:包括查找、排序、双指针技巧等,适用于线性结构处理。 2. **链表结构**:掌握节点操作、反转、判环等基础链表算法。 3. **树图遍历**:掌握DFS、BFS、递归遍历最短路径等核心算法
09-14
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