《编程之美》求二叉树中节点的最大距离(动态规划)

2019独角兽企业重金招聘Python工程师标准>>>

问题定义(动态规划)

如果我们把二叉树看成一个图，父子节点之间的连线看成是双向的，我们姑且定义"距离"为两节点之间边的个数。写一个程序求一棵二叉树中相距最远的两个节点之间的距离。

书上的解法

书中对这个问题的分析是很清楚的，我尝试用自己的方式简短覆述。

计算一个二叉树的最大距离有两个情况:

• 情况A: 路径经过左子树的最深节点，通过根节点，再到右子树的最深节点。
• 情况B: 路径不穿过根节点，而是左子树或右子树的最大距离路径，取其大者。

只需要计算这两个情况的路径距离，并取其大者，就是该二叉树的最大距离。

我也想不到更好的分析方法。

但接着，原文的实现就不如上面的清楚 (源码可从这里下载):

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81

// 数据结构定义 struct NODE {     NODE* pLeft;       // 左子树     NODE* pRight;      // 右子树     int nMaxLeft;      // 左子树中的最长距离     int nMaxRight;     // 右子树中的最长距离     char chValue;      // 该节点的值 };   int nMaxLen = 0;   // 寻找树中最长的两段距离 void FindMaxLen(NODE* pRoot) {     // 遍历到叶子节点，返回     if(pRoot == NULL)     {         return;     }       // 如果左子树为空，那么该节点的左边最长距离为0     if(pRoot -> pLeft == NULL)     {         pRoot -> nMaxLeft = 0;     }       // 如果右子树为空，那么该节点的右边最长距离为0     if(pRoot -> pRight == NULL)     {         pRoot -> nMaxRight = 0;     }       // 如果左子树不为空，递归寻找左子树最长距离     if(pRoot -> pLeft != NULL)     {         FindMaxLen(pRoot -> pLeft);     }       // 如果右子树不为空，递归寻找右子树最长距离     if(pRoot -> pRight != NULL)     {         FindMaxLen(pRoot -> pRight);     }       // 计算左子树最长节点距离     if(pRoot -> pLeft != NULL)     {         int nTempMax = 0;         if(pRoot -> pLeft -> nMaxLeft > pRoot -> pLeft -> nMaxRight)         {             nTempMax = pRoot -> pLeft -> nMaxLeft;         }         else         {             nTempMax = pRoot -> pLeft -> nMaxRight;         }         pRoot -> nMaxLeft = nTempMax + 1;     }       // 计算右子树最长节点距离     if(pRoot -> pRight != NULL)     {         int nTempMax = 0;         if(pRoot -> pRight -> nMaxLeft > pRoot -> pRight -> nMaxRight)         {             nTempMax = pRoot -> pRight -> nMaxLeft;         }         else         {             nTempMax = pRoot -> pRight -> nMaxRight;         }         pRoot -> nMaxRight = nTempMax + 1;     }       // 更新最长距离     if(pRoot -> nMaxLeft + pRoot -> nMaxRight > nMaxLen)     {         nMaxLen = pRoot -> nMaxLeft + pRoot -> nMaxRight;     } }

这段代码有几个缺点:

1. 算法加入了侵入式(intrusive)的资料nMaxLeft, nMaxRight
2. 使用了全局变量 nMaxLen。每次使用要额外初始化。而且就算是不同的独立资料，也不能在多个线程使用这个函数
3. 逻辑比较复杂，也有许多 NULL 相关的条件测试。

我的尝试

我认为这个问题的核心是，情况A 及 B 需要不同的信息: A 需要子树的最大深度，B 需要子树的最大距离。只要函数能在一个节点同时计算及传回这两个信息，代码就可以很简单:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

#include <iostream>   using namespace std;   struct NODE {     NODE *pLeft;     NODE *pRight; };   struct RESULT {     int nMaxDistance;     int nMaxDepth; };   RESULT GetMaximumDistance(NODE* root) {     if (!root)     {         RESULT empty = { 0, -1 };  // trick: nMaxDepth is -1 and then caller will plus 1 to balance it as zero.         return empty;     }       RESULT lhs = GetMaximumDistance(root->pLeft);     RESULT rhs = GetMaximumDistance(root->pRight);       RESULT result;     result.nMaxDepth = max(lhs.nMaxDepth + 1, rhs.nMaxDepth + 1);     result.nMaxDistance = max(max(lhs.nMaxDistance, rhs.nMaxDistance), lhs.nMaxDepth + rhs.nMaxDepth + 2);     return result; }

计算 result 的代码很清楚；nMaxDepth 就是左子树和右子树的深度加1；nMaxDistance 则取 A 和 B 情况的最大值。

为了减少 NULL 的条件测试，进入函数时，如果节点为 NULL，会传回一个 empty 变量。比较奇怪的是 empty.nMaxDepth = -1，目的是让调用方 +1 后，把当前的不存在的 (NULL) 子树当成最大深度为 0。

除了提高了可读性，这个解法的另一个优点是减少了 O(节点数目) 大小的侵入式资料，而改为使用 O(树的最大深度) 大小的栈空间。这个设计使函数完全没有副作用(side effect)。

总的来说就是动态规划.....

转载于:https://my.oschina.net/wizardpisces/blog/116425