【DFS/递归】问题 E: 【递归入门】出栈序列统计

文章讲述了如何利用深度优先搜索(DFS)解决一个关于栈的问题,给定n个元素,计算所有可能的由push和pop操作构成的输出序列总数。提供了两种DFS的C++代码实现方案。
题目描述

栈是常用的一种数据结构,有n令元素在栈顶端一侧等待进栈,栈顶端另一侧是出栈序列。你已经知道栈的操作有两•种:push和pop,前者是将一个元素进栈,后者是将栈顶元素弹出。现在要使用这两种操作,由一个操作序列可以得到一系列的输出序列。请你编程求出对于给定的n,计算并输出由操作数序列1,2,…,n,经过一系列操作可能得到的输出序列总数。

输入

一个整数n(1<=n<=15)

输出

一个整数,即可能输出序列的总数目。

样例输入 复制
3
样例输出 复制
5
提示

先了解栈的两种基本操作,进栈push就是将元素放入栈顶,栈顶指针上移一位,等待进栈队列也上移一位,出栈pop是将栈顶元素弹出,同时栈顶指针下移一位。

用一个过程采模拟进出栈的过程,可以通过循环加递归来实现回溯:重复这样的过程,如果可以进栈则进一个元素,如果可以出栈则出一个元素。就这样一个一个地试探下去,当出栈元素个数达到n时就计数一次(这也是递归调用结束的条件)。

分析:

使用DFS的思想,可以有两种思路:一是把每次对栈的操作当作”岔路口“,当压入n个数时当作”死胡同“,这是因为当压入最后一个数字时,此时栈排出的数字序列确定;二也是把每次对栈的操作当作”岔路口“, 但是把栈排完所有的数字作为”死胡同“,显然,当排完所有数字时,数字序列确定。

要点:
  1. 当从一个”岔道口“出来并进入另一个”岔道口“时,需要记得恢复之前进入”岔道口“时的参数设置

  1. 使用方法二时,要分情况讨论有无数字待压入的情况。

方案一:
#include <iostream>
#include <stack>

using namespace std;

int n, cnt;

void DFS(stack<int> s, int index){
    if(index == n + 1){
        cnt++;
        return;
    }

    if(s.empty()){
        s.push(index);
        DFS(s, index + 1);
    }else{
        s.push(index);
        DFS(s, index + 1);
        s.pop();

        s.pop();
        DFS(s, index);
    }
}

int main()
{
    ios::sync_with_stdio(false);
    cin.tie(0);

    while(cin >> n){
        stack<int> s;
        cnt = 0;
        DFS(s, 1);
        cout << cnt << '\n';
    }
    return 0;
}
方案二:
#include <iostream>
#include <stack>

using namespace std;

int n, cnt;

void DFS(stack<int> s, int index, int num){
    if(num == n){
        cnt++;
        return;
    }

    if(index <= n){
        if(s.empty()){
            s.push(index);
            DFS(s, index + 1, num);
        }
        else{
            s.push(index);
            DFS(s, index + 1, num);
            s.pop();

            s.pop();
            DFS(s, index, num + 1);
        }
    }else{
        s.pop();
        DFS(s, index, num + 1);
    }
}

int main()
{
    ios::sync_with_stdio(false);
    cin.tie(0);

    while(cin >> n){
        stack<int> s;
        cnt = 0;
        DFS(s, 1, 0);
        cout << cnt << '\n';
    }
    return 0;
}
<think>嗯,用户希望了解二叉树的先序遍历,包括递归和非递归算法。用户提供了五个相关引用,其中包含递归算法的描述、递归原理的解释、递归代码实现(包括C和Java)、参数传递问题,以及非递归实现的错误分析。需要整理出清晰、准确的算法说明,并补充代码实现的关键细节。 用户的核心需求很明确:对比两种算法的实现逻辑和差异。引用[1][2][3]都强调了递归的"根-左-右"流程,引用[4]的指针问题和引用[5]的非递归错误提示需要特别注意。回复结构上,先递归后非递归更符合认知顺序,每种算法分步骤解析会更清晰。 递归部分的关键点有三个:一是终止条件(节点为空时返回),二是访问顺序(先根后子树),三是帧调用过程。引用[2]用相同的操作流程解释递归适用性特别到位,应该保留这个观点。参数传递问题在引用[4]提到,用C语言的二级指针例子说明会很直观,但用户可能更关注逻辑而非语法,所以放在代码注释里更合适。 非递归算法的难点在于的模拟。引用[5]警告了空指针和判空问题,这提示需要强调循环终止条件。迭代步骤中必须明确三点:1) 每轮循环实质是处理一个子树的根节点;2) 右孩子先入才能保证后访问;3) 空且无待处理节点才算结束。Python版本用数组模拟比Java的LinkedList更易懂。 对比分析时注意到用户可能是学习者,需要强调递归的简洁性来自系统,而非递归的手动控制更适合深度大的树。引用[3][5]都显示非递归容易出错,这点要在注意事项里突显。 最后生成的问题延伸了应用场景(如表达式树)和边界问题(大型二叉树),这样能覆盖用户可能的后续疑问。所有代码变量名保持统一用root/stack等通用名称,避免语言差异造成的混淆。 </think>以下是二叉树先序遍历的递归算法与非递归算法的详细说明: --- ### **一、先序遍历的递归算法** #### **算法思想** 采用深度优先搜索(DFS),按 **“根结点 → 左子树 → 右子树”** 的顺序访问节点(即“根左右”)[^2][^3]。 #### **递归实现代码(C语言)** ```c void PreOrderTraversal(BiTree *T) { if (T != NULL) { VisitNode(T->data); // 1.访问根结点 PreOrderTraversal(T->lchild); // 2.递归遍历左子树 PreOrderTraversal(T->rchild); // 3.递归遍历右子树 } } ``` #### **关键点** 1. **终止条件**:当前节点为空时返回[^1]。 2. **递归本质**:每个节点的处理流程相同(根→左→右),符合递归设计原则[^2]。 3. **隐含**:递归调用利用系统保存现场(如返回地址、局部变量)[^3]。 --- ### **二、先序遍历的非递归算法** #### **算法思想** 通过 **显式(Stack)** 模拟递归过程: 1. 从根节点开始,访问节点后将其入,并向左子树深入。 2. 当左子树为空时,弹出栈顶节点并转向其右子树重复过程[^5]。 #### **非递归实现代码(Python)** ```python def preorderTraversal(root): stack = [] res = [] p = root # 当前节点指针 while stack or p: while p: # 向左子树深入 res.append(p.val) # 访问当前节点 stack.append(p) p = p.left p = stack.pop() # 回溯到父节点 p = p.right # 转向右子树 return res ``` #### **关键步骤** 1. **初始化**:根节点入。 2. **循环处理**: - 访问顶节点,将其值加入结果。 - 右子节点入(若存在)。 - 左子节点入(若存在)**(注意:先右后左保证出栈顺序为左优先)** [^5]。 3. **终止条件**:为空且当前节点为 `None`。 #### **示例流程** ``` 1 / \ 2 3 ``` 1. 访问根节点 `1` → 右子 `3` 入 → 左子 `2` 入 → 输出 `[1]` 2. 弹出 `2` → 访问 `2` → 输出 `[1,2]` 3. 弹出 `3` → 访问 `3` → 输出 `[1,2,3]` --- ### **三、递归与非递归算法的对比** | **特性** | **递归算法** | **非递归算法** | |-------------------|---------------------------------------|-------------------------------------| | **空间复杂度** | $O(h)$(h为树高,系统开销) | $O(h)$(显式开销) | | **适用场景** | 代码简洁,树深度较小时 | 避免溢出,适合大型二叉树 | | **效率** | 函数调用开销较大 | 直接操作,效率更高 | | **可读性** | 更符合自然思维 | 需手动管理结构 | > **注意**:非递归实现需谨慎处理操作顺序,否则可能导致死循环或漏节点(如右子树未正确处理)[^5]。 --- ### **相关问题** 1. 如何证明递归先序遍历的时间复杂度是 $O(n)$(n为节点数)? 2. 非递归算法中,能否用队列替代实现先序遍历?为什么? 3. 若二叉树退化为链表(如所有节点只有右子树),两种算法的空间复杂度如何变化? 4. 先序遍历在哪些实际场景中有应用?例如表达式树的求值原理? [^1]: 二叉树遍历之先序遍历算法(非递归递归入门详解 [^2]: 二叉树的基本操作(先序序列创建二叉树/递归遍历) [^3]: 二叉树的先序遍历(递归和非递归算法) [^5]: 二叉树先序遍历的非递归算法具体实现
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