剑指offer 33——二叉搜索树的后序遍历序列

本题主要在于考察对二叉搜索树和后序遍历的理解。

原题

输入一个整数数组,判断该数组是不是某二叉搜索树的后序遍历结果。如果是则返回 true,否则返回 false。假设输入的数组的任意两个数字都互不相同。

参考以下这颗二叉搜索树:

1
2
3
4
5
    5
/ \
2 6
/ \
1 3

示例 1:

1
2
输入: [1,6,3,2,5]
输出: false

示例 2:

1
2
输入: [1,3,2,6,5]
输出: true

提示:

  • 数组长度 <= 1000

原题url:https://leetcode-cn.com/problems/er-cha-sou-suo-shu-de-hou-xu-bian-li-xu-lie-lcof/

解题

基本概念

首先介绍一些基本概念,方便后续做题。

  1. 后序遍历:[ 左子树 | 右子树 | 根节点 ] ,即遍历顺序为 “左、右、根” 。
  2. 二叉搜索树: 左子树中所有节点的值 < 根节点的值;右子树中所有节点的值 > 根节点的值;其左、右子树也分别为二叉搜索树。

递归分治

既然本题只提供了后序遍历,那么我们就要在此基础之上下功夫了。

根据上面的提供的说明,后序遍历是,先左右子树再根节点,那么根是容易判断的,肯定在整个序列的最后。

而二叉搜索树节点值满足,左子树 < 根 < 右子树,因此我们就可以以根为基础,从后向前遍历,。

一开始的节点肯定都大于根,因为都在右子树上,一旦出现小于根的节点,说明就进入了左子树,那么之后所有的节点都应该小于根。然后再分别遍历左右子树,直至到叶子节点为止(即无左右子树的节点)。

按照上面的方法,就需要我们将后序遍历分成左右子树,不断递归遍历检查。

接下来看看代码:

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
class Solution {
public boolean verifyPostorder(int[] postorder) {
return checkTree(postorder, 0, postorder.length - 1);
}

private boolean checkTree(int[] postorder, int start, int end) {
// 如果start >= end,说明已经寻找结束
if (start >= end) {
return true;
}

// 找到根
int root = postorder[end];
// 左子树开始的下标
int leftStart = start;
// 左子树结束的下标
int leftEnd = leftStart;
// 找到第一个大于根节点的值
while (leftEnd < end && postorder[leftEnd] < root) {
leftEnd++;
}
leftEnd--;

// 右子树开始的下标
int rightStart = leftEnd + 1;
// 右子树结束的下标
int rightEnd = end - 1;
// 检查右子树是否都大于根节点
for (int i = rightStart; i < end; i++) {
if (postorder[i] > root) {
continue;
}

return false;
}

// 继续检查左右子树
return checkTree(postorder, leftStart, leftEnd) &&
checkTree(postorder, rightStart, rightEnd);
}
}

提交OK。

分析一下复杂度:

  • 时间复杂度 O(N^2) : 每次调用 checkTree 方法减去一个根节点,因此递归占用 O(N) ;最差情况下(即当树退化为链表),每轮递归都需遍历树所有节点,占用 O(N ^ 2) 。
  • 空间复杂度 O(N) : 最差情况下(即当树退化为链表),递归深度将达到 N 。

递增栈

既然上面分析出时间复杂度为 O(N^2) ,那么是否可以找到一种更高效的方法,只遍历一次序列,就可以解决问题呢?因为这样可以在时间复杂度上进行很大的优化。

这就需要再进一步结合搜索二叉树和后序遍历的特性了。(这个方法我是在网上看到的,感觉属于一种比较偏门的优化,一般很难像出这种方法)

在我们从后向前遍历序列时,大致是经历了根、右子树、左子树,而左子树 < 根 < 右子树,那么一开始应该是单调递增的,我们可以将这些节点依次入栈。

当不满足单调递增调试时,一般是碰到了右子树中某一个左子树节点,或者真正的左子树,这时候可以将栈顶元素出栈,直到碰到比当前节点小的元素,那么将最后的栈顶元素设为根节点

此时继续遍历,应该保证所有节点都小于根节点,因为此时已经进入左子树序列了。否则说明该序列不满足搜索二叉树的后序遍历。

重复以上步骤,如果遍历结束,说明满足搜索二叉树的后序遍历。

这么说可能比较难懂,直接上代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
class Solution {
public boolean verifyPostorder(int[] postorder) {
// 单调递增栈
Stack<Integer> stack = new Stack<>();
int root = Integer.MAX_VALUE;
// 倒序遍历
for (int i = postorder.length - 1; i >= 0; i--) {
if (postorder[i] > root) {
return false;
}
// 如果当前栈不为空,且当前遍历的节点小于栈顶节点
while (!stack.isEmpty() &&
postorder[i] < stack.peek()) {
// 栈顶节点压出,且更新根节点
root = stack.pop();
}
// 当前节点入栈
stack.push(postorder[i]);
}
return true;
}
}

提交OK。

分析一下复杂度:

  • 时间复杂度 O(N) : 遍历 postorder 所有节点,各节点均入栈 / 出栈一次,使用 O(N) 时间。
  • 空间复杂度 O(N) : 最差情况下(即当树退化为链表),单调递增栈 stack 存储所有节点。

神奇的是,力扣给出的执行结果显示:递归分治方法消耗的时间更短。这点大家也可以研究研究是为什么。

总结

以上就是这道题目我的解答过程了,不知道大家是否理解了。本题主要在于考察对二叉搜索树和后序遍历的理解,递归分治是容易想出来的方法,但是后面那种单调递增栈确实很难想到,可以作为一种特殊思路进行理解。

有兴趣的话可以访问我的博客或者关注我的公众号、头条号,说不定会有意外的惊喜。

https://death00.github.io/

公众号:健程之道

健健 wechat
欢迎您扫一扫上面的微信公众号,订阅我的博客!
如果您感觉文章不错,也愿意支持一下作者的话