LCA 类问题
LCA 类问题是二叉树的高频问题之一;
有只给 root 的;
还有不给 root 给 parent pointer 的。
想面 FB,最好把各种二叉树问题的 recursion / iteration 还有 root / parent pointer 的写法都练熟才行,只 AC 是不够的。
递归 ✓
迭代 ✓
复杂度分析 ✓
LCA 问题就是判断给定两个 node {p,q} 与 root 之间的相对位置。在 BST 里这种相对关系看 node.val 就可以。
时间复杂度 O(n),如果 Tree 的形状是一条线往左或右的 full binary tree 的话。
因为是尾递归,显而易见的改法是用 while循环省去递归占用的系统栈空间;
递归 ✓
迭代 ✓
parent指针 todo
复杂度分析 ✓
直接写的暴力解法,知道肯定过不了。。判断子树中 contains 的时间复杂度太高了,而且重复调用很多,完全没优化。
这种解法的时间复杂度是 O(n log n),因为对于一个 node 来讲,它被 check 的次数等于它和 root 的距离 (也就是 height)。
极少会有 O(n^2) 的 binary tree 算法,因为那意味着每个节点相对于整个树重新计算,而不再是自己从属的路径或者高度。
加 containsNode() 函数比较多此一举,其实可以直接用这个函数在 binary tree 上的递归性质去调用自身解决。
函数返回的是 "对于给定 Node 为 root 的 tree 中是否包含 p 或者 q,只要包含一个,就不返回 null 了,而我们相对于当前节点为 root 的结果,就看两边递归的 return value 决定."
时间复杂度 O(n),相对于每个 node 来讲,只会被函数调用和计算一次。
另一种时间复杂度的分析方式是,这题的递归结构不过是个 post-order traversal,遍历的复杂度当然是 O(n).
想到这,迭代的写法也比较明显了,写个 post-order traversal 就行。
一种可能的迭代的写法是借鉴了我们教授 Martin Farach-Colton 的那篇 The LCA Problem Revisited 的 idea,就是先对 Tree 做 pre-processing 然后用 array 保存过渡结果方便快速 query.
其实就是 inorder pre-process 了一遍之后,把 binary tree 当 BST 用。因为 in-order 的 index 就像 BST 里的大小一样,可以直接确定几个节点在树中的相对位置。同时因为我们都是从 root 开始一层一层往下搜索的,也能保证每次循环的 root 都一定 valid.
这个代码的优点是如果做多次 query 的话有一个 pre-processing 的缓存可以很快返回结果;缺点就是多了个 pre-processing 的过程,query 次数少的时候不占便宜。
这个代码可以 AC,基本思路就是先跑一遍 inorder traversal 记录下每个 node 在整个树里面对应的位置;利用 hashmap 对每个 node 实现均摊复杂度 O(1) 的查找,然后根据对应的节点 index 判断 p,q 相对于 root 在 tree 里的位置关系。
中间跑了一次迭代版的 binary tree inorder traversal.
这两个代码都是一次写完直接 AC 的。。。Tree的问题只要思路不搞错可真容易过啊。。。
这个写法只能算是个有意思的迭代思路,空间时间耗费都挺大的,代码量也长,如果追求速度与效率的话,就不要用这个写法骗自己。。
不过如果在同一个 Tree 上要跑好多次 LCA,这个做法还是比较可取的~
给一个 二叉树 , 求最深节点的最小公共父节点。
http://www.1point3acres.com/bbs/thread-199739-1-1.html
先用 recursive , 很快写出来了, 要求用 iterative.
这题的关键点只有一个:意识到只需要求最底层 level 最左面和最右面节点的 LCA 就可以了。
因此这个问题的递归与迭代就变成了两个子问题:
如何递归求 level order 和 LCA
如何迭代求 level order 和 LCA
白板上写了一遍,都不难,和这章前面以及 level order 的内容完全一样,就不进一步贴代码了。
Last updated