力扣打卡之二叉树的最小深度

这篇博客介绍了如何利用深度优先和广度优先搜索策略求解二叉树的最小深度。深度优先通过递归实现,从最底层开始回溯;广度优先则使用队列逐层遍历,直到找到叶子节点。两种方法各有特点,适用于不同的场景。

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

1. 深度优先

题目描述

给定一个二叉树,找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。

解题思路

我们怎么查看最小的深度?

可以从最下面开始,找到对应的深度

最后返回最小的深度

代码展示

public static int minDepth(TreeNode root){
    
    if(root==null){
        return 0;
    }
    if(root.left==null && root.right==null) return 1;
    int min=Integer.MAX_VALUE;
    if(root.left!=null) {
        min=Math.min(minDepth(root.left),min);
    }
    if(root.right!=null) {
        min=Math.min(minDepth(root.right),min);
    }
    return min+1;
}

2. 广度优先

题目描述

给定一个二叉树,找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。

解题思路

我们广度优先就是一层一层的进行,我们找到一层之后然后找下一层,依此类推知道找到一个节点没有子节点,那么就可以结束了!

代码展示

public static int minDepth(TreeNode root){

    if(root==null) return 0;
    Queue<TreeNode> queue=new LinkedList<TreeNode>();
    root.deep=1;     //因为深度无法确定,所以我们需要添加一个变量来保存当前的深度
    queue.offer(root);
    while(!queue.isEmpty()){
        TreeNode node=queue.poll();
        if(node.left==null&&node.right==null)   //当这个节点的左右节点都是空的时候就证明已经到达了叶子节点,直接返回就可以
        { 
            return node.deep;
        }
        if(node.left!=null){         //当这个节点的左节点不为空的时候我们就需要将左节点添加进去
            node.left.deep=node.deep+1;
            queue.offer(node.left);
        }
        if(node.right!=null){
            node.right.deep=node.deep+1;
            queue.offer(node.right);
        }
    }
    return 0;  

}

总结

深度优先和广度优先都是在树的基础上就进行的,而这里最主要的就是掌握深度优先和广度优先的区别在哪里,然后如何实现?

深度优先使用回溯的方式进行,他是首先找到最底层,然后一层一层的网上走,最后到达最上面的时候我们就可以得到最终的结果了

### LeetCode 二叉树 解题技巧 和 策略 #### 了解基础概念 为了更好地解决涉及二叉树的问题,理解不同类型的二叉树及其特性至关重要。这不仅限于满二叉树、完全二叉树等基本分类[^1]。 #### 掌握遍历方法 针对不同的应用场景选择合适的遍历方式非常重要。例如,在处理像获取每层节点这样的需求时,广度优先搜索(BFS)通常是首选方案;而当目标是最深路径等问题,则应考虑采用深度优先搜索(DFS)。对于最大深度计算而言,通过递归求得左右子树的高度并取较大者加一即可得到整棵树的最大高度[^2]。 ```python def maxDepth(root): if not root: return 0 left_depth = maxDepth(root.left) right_depth = maxDepth(root.right) return max(left_depth, right_depth) + 1 ``` #### 使用辅助结构存储中间状态 无论是迭代还是递归实现,合理利用栈或队列可以帮助追踪访问顺序以及管理待处理节点的信息。特别是在层次遍历时,使用队列可以方便地控制进出顺序以确保按照从上至下的原则依次处理各层元素[^3]。 ```python from collections import deque def levelOrder(root): result = [] queue = deque([root]) while queue: current_level_size = len(queue) current_level_nodes = [] for _ in range(current_level_size): node = queue.popleft() if node: current_level_nodes.append(node.val) if node.left: queue.append(node.left) if node.right: queue.append(node.right) if current_level_nodes: result.append(current_level_nodes) return result ``` #### 自定义结点类 虽然在线平台上通常已经提供了标准的数据结构定义,但在实际开发环境中可能需要自行创建相应的类来表示树中的各个部分。熟悉如何构建这些对象有助于提高编码效率,并能在面对更复杂场景时不致手忙脚乱[^4]。 ```python class TreeNode(object): def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right ```
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