Skip to content

Commit

Permalink
203
Browse files Browse the repository at this point in the history
ascoders committed Jul 19, 2021
1 parent 022b1fd commit 9b9d02b
Showing 3 changed files with 153 additions and 2 deletions.
3 changes: 2 additions & 1 deletion readme.md
Original file line number Diff line number Diff line change
@@ -6,7 +6,7 @@

前端界的好文精读,每周更新!

最新精读:<a href="./前沿技术/202.精读《React 18》.md">202.精读《React 18》</a>
最新精读:<a href="./算法/203.精读《算法 - 二叉搜索树》.md">203.精读《算法 - 二叉搜索树》</a>

素材来源:[周刊参考池](https://github.com/ascoders/weekly/issues/2)

@@ -236,6 +236,7 @@
- <a href="./算法/199.精读《算法 - 滑动窗口》.md">199.精读《算法 - 滑动窗口》</a>
- <a href="./算法/200.精读《算法 - 回溯》.md">200.精读《算法 - 回溯》</a>
- <a href="./算法/201.精读《算法 - 二叉树》.md">201.精读《算法 - 二叉树》</a>
- <a href="./算法/203.精读《算法 - 二叉搜索树》.md">203.精读《算法 - 二叉搜索树》</a>

## 关注前端精读微信公众号

2 changes: 1 addition & 1 deletion 前沿技术/202.精读《React 18》.md
Original file line number Diff line number Diff line change
@@ -111,7 +111,7 @@ const root = ReactDOM.hydrateRoot(container, <App tab="home" />);

- startTransition。
- useDeferredValue。
- <SuspenseList>
- &lt;SuspenseList&gt;

后两个文档还未放出,所以本文只介绍第一个 API:startTransition。首先看一下用法:

150 changes: 150 additions & 0 deletions 算法/203.精读《算法 - 二叉搜索树》.md
Original file line number Diff line number Diff line change
@@ -0,0 +1,150 @@
二叉搜索树的特性是,任何一个节点的值:

- 都大于左子树任意节点。
- 都小于右子树任意节点。

因为二叉搜索树的特性,我们可以更高效的应用算法。

## 精读

还记得 [《算法 - 二叉树》](https://github.com/ascoders/weekly/blob/master/%E7%AE%97%E6%B3%95/201.%E7%B2%BE%E8%AF%BB%E3%80%8A%E7%AE%97%E6%B3%95%20-%20%E4%BA%8C%E5%8F%89%E6%A0%91%E3%80%8B.md) 提到的 [二叉树的最近公公祖先](https://github.com/ascoders/weekly/blob/master/%E7%AE%97%E6%B3%95/201.%E7%B2%BE%E8%AF%BB%E3%80%8A%E7%AE%97%E6%B3%95%20-%20%E4%BA%8C%E5%8F%89%E6%A0%91%E3%80%8B.md) 问题吗?如果这是一颗二叉搜索树,是不是存在更巧妙的解法?你可以暂停先思考一下。

### 二叉搜索树的最近公共祖先

二叉搜索树的最近公共祖先是一道简单题,题目如下:

> 给定一个二叉搜索树, 找到该树中两个指定节点的最近公共祖先。
>
> 百度百科中最近公共祖先的定义为:“对于有根树 `T` 的两个结点 `p``q`,最近公共祖先表示为一个结点 `x`,满足 `x``p``q` 的祖先且 `x` 的深度尽可能大(一个节点也可以是它自己的祖先)。”
第一个判断条件是相同的,即当前节点值等于 `p``q` 任意一个,则当前节点就是其最近公共祖先。

如果不是呢?同时考虑二叉搜索树与公共祖先的特性可以发现:

1. 如果 `p` `q` 两个节点分别位于当前节点的左 or 右边,则当前节点符合要求。
2. 如果 `p` `q` 值一个大于,一个小于当前节点,说明 `p` `q` 分布在当前节点左右两侧。

基于以上考虑,可以仅通过值大小来判断,因此题目就被简化了。

接下来看一道入门题,即如何验证一颗二叉树是二叉搜索树。

### 验证二叉搜索树

验证二叉搜索树是一道中等题,题目如下:

> 给定一个二叉树,判断其是否是一个有效的二叉搜索树。
>
> 假设一个二叉搜索树具有如下特征:
>
> - 节点的左子树只包含小于当前节点的数。
> - 节点的右子树只包含大于当前节点的数。
> - 所有左子树和右子树自身必须也是二叉搜索树。
这道题看上去就应该用非常优雅的递归来实现。

二叉搜索树最重要的就是对节点值的限制,我们如果能正确卡住每个节点的值,就可以判断了。

如何判断节点值是否正确呢?我们可以用递归的方式倒推,即从根节点开始,假设根节点值为 `x`,那么左树节点的值就必须小于 `x`,再往左,那么值就要小于(假设第一个左节点值为 `x1``x1`,右树也是一样判断,因此就可以写出答案:

```typescript
function isValidBST(node: TreeNode, min = -Infinity, max = Infinity) {
if (node === null) return true
// 判断值范围是否合理
if (node.val < min || node.val > max) return false
// 继续递归,并且根据二叉搜索树特定,进一步缩小最大、最小值的锁定范围
return
// 左子树值 max 为当前节点值
isValidBST(node.left, min, node.val) &&
// 右子树值 min 为当前节点值
isValidBST(node.right, node.val, max) &&
}
```

接下来看一些简单的二叉搜索树操作问题,比如删除二叉搜索树中的节点。

### 删除二叉搜索树中的节点

删除二叉搜索树中的节点是一道中等题,题目如下:

> 给定一个二叉搜索树的根节点 root 和一个值 key,删除二叉搜索树中的 key 对应的节点,并保证二叉搜索树的性质不变。返回二叉搜索树(有可能被更新)的根节点的引用。
>
> 一般来说,删除节点可分为两个步骤:
>
> 1. 首先找到需要删除的节点;
> 2. 如果找到了,删除它。
>
> 说明: 要求算法时间复杂度为 `O(h)``h` 为树的高度。
要删除二叉搜索树的节点,找到节点本身并不难,因为如果值小了,就从左子树找;如果值大了,就从右子树找,这本身查找起来是非常简单的。难点在于,如何保证删除元素后,这棵树还是一颗二叉搜索树?

假设我们删除的是叶子结点,很显然,二叉搜索树任意子树都是二叉搜索树,我们又没有破坏其他节点的关系,因此直接删除就行了,最简单。

如果删除的不是叶子结点,那么谁来 “上位” 代替这个节点呢?题目要求复杂度为 `O(h)` 显然不能重新构造,我们需要仔细考虑。

假设删除的节点存在右节点,那么肯定从右节点找到一个代替值移上来,找谁呢?找右节点的最小值呀,最小值很好找的,找完代替后,相当于 **问题转移为删除这个最小值节点,递归就完事了。**

假设删除的节点存在左节点,但是没有右节点,那就从左节点找一个最大的替换掉,同理递归删除找到的节点。

可以看到,删除二叉搜索树,为了让二叉搜索树性质保持不变,需要不断进行重复子问题的递归删除节点。

当你掌握二叉搜索树特性后,可以尝试构造二叉搜索树了,下面就是一道让你任意构造二叉搜索树的题目:不同的二叉搜索树。

### 不同的二叉搜索树

不同的二叉搜索树是一道中等题,题目如下:

> 给你一个整数 `n` ,求恰由 `n` 个节点组成且节点值从 `1``n` 互不相同的 **二叉搜索树** 有多少种?返回满足题意的二叉搜索树的种数。
这道题重点在于动态规划思维 + 笛卡尔积组合的思维。

需要将所有可能性想象为确定了根节点后,左右子树到底有几种组合方式?

举个例子,假设 `n=10`,那么这 10 个节点,假设我取第 3 个节点为根节点,那么左子树有 2 个节点,右子树有 7 个节点,这种组合情况就有 `DP(2) * DP(7)` 这么多,假设 `DP(n)` 表示 n 个节点能组成任意二叉搜索树的数量。

这仅是第 3 个节点为根节点的情况,实际上每个节点作为根节点都是不同的树(轴对称也算不同的),那么我们就要从第 1 个节点计算到第 `n` 个节点。

因此答案就出来了,我们先考虑特殊情况 `DP(0)=1` `DP(1)=1`,所以:

```typescript
function numTrees(n: number) {
const dp: number[] = [1, 1]

for (let i = 2; i <= n; i++) {
for (let j = 1; j <= i; j++) {
dp[i] += dp[j - 1] * dp[i - j]
}
}

return dp[n]
}
```

最后再看一道找值题,并不是找最大值,而是找第 k 大值。

### 二叉搜索树的第 K 大节点

二叉搜索树的第 K 大节点是一道简单题,题目如下:

> 给定一棵二叉搜索树,请找出其中第 `k` 大的节点。
这道题之所以简单,是因为二叉搜索树的中序遍历是从小到大的,因此只要倒序中序遍历,就可以找到第 `k` 大的节点。

倒序中序遍历,即右、根、左。

这道题就解决啦。

## 总结

二叉搜索树的特性很简单,就是根节点值夹在左右子树中间,利用这个特性几乎可以解决一切相关问题。

但通过上面几个例子可以发现,仅熟悉二叉搜索树特性还是不够的,一些题目需要结合二叉树中序遍历、公共祖先特征等通用算法思路结合来解决,因此学会融会贯通很重要。

> 讨论地址是:[精读《算法 - 二叉搜索树》· Issue #337 · dt-fe/weekly](https://github.com/dt-fe/weekly/issues/337)
**如果你想参与讨论,请 [点击这里](https://github.com/dt-fe/weekly),每周都有新的主题,周末或周一发布。前端精读 - 帮你筛选靠谱的内容。**

> 关注 **前端精读微信公众号**
<img width=200 src="https://img.alicdn.com/tfs/TB165W0MCzqK1RjSZFLXXcn2XXa-258-258.jpg">

> 版权声明:自由转载-非商用-非衍生-保持署名([创意共享 3.0 许可证](https://creativecommons.org/licenses/by-nc-nd/3.0/deed.zh)

0 comments on commit 9b9d02b

Please sign in to comment.