【算法】动态规划——空间优化(逆序 or 顺序)

本文探讨了动态规划算法的空间优化策略,包括优化到常数空间、顺序遍历和逆序遍历的情况。分别适用于不同类型的DP问题,如最长公共子序列、0-1背包问题等。通过优化,可以减少空间复杂度,提升算法效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

动态规划

动态规划算法的策略简单来说就是空间换时间

一般我们需要开辟o(n^2)空间复杂度的辅助数组,用于存储每一个子问题的最优解

看过一些DP算法例子的同学来说,多数DP问题经常可以进行空间优化,把O(n^2) -> O(n)


问题

那么问题来了,空间优化有几种情况:

  • 1、优化到O(n * 2)
  • 2、优化到O(n)序遍历
  • 3、优化到O(n)序遍历

什么情况下用哪一种优化呢?


方案

以下方案是我个人的思考,可能有错误或缺漏,还请各位指出。

一、优化到O(n * 2)

此方案把本来n个一维数组优化到2个一维数组

适用情况:

第i行的新值 依赖于 第i-1行的旧值、第i行前面的新值

例子:最长公共子序列。

二、优化到O(n),顺序遍历

此方案把本来n个

### 非递归二叉树遍历算法实现 #### 前序遍历 前序遍历的顺序是根节点 -> 左子树 -> 右子树。通过显式的栈来模拟递归过程,可以实现非递归版本。 ```python def preorder_traversal(root): if not root: return [] stack, result = [root], [] while stack: node = stack.pop() result.append(node.val) # 访问当前节点 if node.right: # 先压右孩子再压左孩子,保证左孩子先出栈 stack.append(node.right) if node.left: stack.append(node.left) return result ``` 此方法利用了一个显式栈存储待访问的节点[^1]。 --- #### 中序遍历 中序遍历的顺序是左子树 -> 根节点 -> 右子树。同样可以通过显式栈完成非递归实现。 ```python def inorder_traversal(root): if not root: return [] stack, result = [], [] current = root while stack or current: while current: # 沿着左子树一路向下 stack.append(current) current = current.left current = stack.pop() # 处理当前节点 result.append(current.val) current = current.right # 转向右子树 return result ``` 该方法的核心在于沿着左子树不断深入并入栈,直到到达最左侧叶节点后再逐步回溯处理父节点及其右侧子树[^1]。 --- #### 后序遍历 后序遍历的顺序是左子树 -> 右子树 -> 根节点。由于最后才访问根节点,因此需要额外标记已访问过的节点或者调整栈中的元素顺序。 ```python def postorder_traversal(root): if not root: return [] stack, result = [root], [] while stack: node = stack.pop() result.insert(0, node.val) # 将根节点插入到结果列表头部 if node.left: stack.append(node.left) # 先压左孩子 if node.right: stack.append(node.right) # 再压右孩子 return result ``` 这种方法通过对结果列表采用逆序操作简化了逻辑复杂度[^1]。 --- #### 层次遍历(广度优先) 层次遍历按照从上至下、从左至右的方式逐层访问节点。通常借助队列数据结构实现。 ```python from collections import deque def level_order_traversal(root): if not root: return [] queue, result = deque([root]), [] while queue: node = queue.popleft() result.append(node.val) if node.left: queue.append(node.left) if node.right: queue.append(node.right) return result ``` 此处使用双端队列 `deque` 来高效支持两端的操作,从而实现了广度优先搜索的过程[^1]。 --- ### 总结 以上四种非递归方式分别对应于二叉树的不同遍历策略:前序、中序、后序以及层次遍历。每种方法都依赖特定的数据结构——栈用于深度优先搜索,而队列则适用于广度优先搜索。
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