计算二叉树的最大高度 

本文介绍了两种计算二叉树高度的方法:迭代法和递归法。迭代法通过层级遍历,记录每一层的节点数量,直到下一层节点为0;递归法则利用左子树与右子树的高度取最大值,加上当前节点的高度。两种方法的时间复杂度均为O(n)。

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

 

二叉树的高度有两种定义:

  1. 从根节点到最深节点的最长路径的节点数。

  2. 从根到最深节点的最长路径的边数。

在这篇文章中,我们采用第一种定义。例如,下面这棵树的高度是3:

输入图片说明

计算二叉树高度有两种方法,一种是使用二叉树的层级遍历法,一种是使用递归法。

层级遍历法计算高度

我们可以使用二叉树的层级遍历法来计算二叉树的高度,这种方式的主要步骤是:

  • 创建空队列保存二叉树的每一层节点,初始化标识二叉树高度的变量height为0
  • 一层一层地遍历二叉树,每向下遍历一层,高度height加1
  • 计算每一层的节点数量,当下一层的节点为0时,结束遍历

代码如下:

       /**
	 * 二叉树的高度:使用迭代方式,时间复杂度O(n)
	 * 
	 * @param root 二叉树的根节点
	 * @return 二叉树的高度
	 */
	public int heightWithIterative(TreeNode root) {
		if (root == null) {
			return 0;
		}

		// 创建空队列保存二叉树的每一层节点
		Queue<TreeNode> queue = new LinkedList<>();

		// 把root节点加入队列并初始化高度为0
		queue.add(root);
		int height = 0;

		while (queue.size() > 0) {
			// 获取当前层级的节点数量
			int nodeCount = queue.size();
			if (nodeCount == 0) {
				break;
			}

			// 高度加1
			height++;

			// 取出并移除当前层级的节点,并将下一层级的节点放入队列中
			while (nodeCount > 0) {
				TreeNode node = queue.remove();
				if (node.left != null) {
					queue.add(node.left);
				}
				if (node.right != null) {
					queue.add(node.right);
				}
				nodeCount--;
			}
		}
		return height;
	}

递归法计算高度

       /**
	 * 二叉树的高度:使用递归,时间复杂度O(n)
	 * 
	 * @param root
	 *            二叉树的根节点
	 * @return 二叉树的高度
	 */
	public int height(TreeNode root) {
		if (root != null) {
			// 左子树与右子树的高度取最大值加上当前节点
			return Math.max(height(root.left), height(root.right)) + 1;
		}
		return 0;
	}

参考链接:Iterative Method to find Height of Binary Tree

### 二叉树最大深度定义 二叉树最大深度是指从根节点到最远叶子节点的最长路径上的节点数。这个概念意味着要找到一条从根出发到达某个叶节点的路径,这条路径所经过的节点数目最多。 ### 计算方法 为了计算二叉树最大深度,通常采用两种主要的方法: #### 方法一:递归法 这种方法基于深度优先搜索(DFS),通过递归来遍历整棵树并记录每条路径上遇到的节点数量来确定最大深度。对于每一个非空子树,分别求取左子树和右子树的高度,并加上当前层的一个单位高度作为最终的结果[^1]。 ```python def maxDepth(root): if not root: return 0 left_height = maxDepth(root.left) right_height = maxDepth(root.right) # 返回左右子树中的较大者加1(表示本层) return max(left_height, right_height) + 1 ``` #### 方法二:迭代法(广度优先搜索BFS) 另一种常见的做法是利用队列来进行层次遍历,在每次处理一层时增加计数值直到最后一层被访问完毕为止。这种方式同样能够有效地找出整个结构中最深的位置所在层数[^4]。 ```python from collections import deque def maxDepth(root): if not root: return 0 queue = deque([root]) depth = 0 while queue: size = len(queue) for _ in range(size): node = queue.popleft() if node.left is not None: queue.append(node.left) if node.right is not None: queue.append(node.right) depth += 1 return depth ``` 这两种方法都能很好地解决问题,但在实际应用中可以根据具体情况选择更合适的一种。例如当内存空间有限制的时候可能更适合使用迭代版本;而如果追求简洁性和易于理解,则可以选择递归的方式[^2]。
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