对称二叉树、二叉树的最大深度、将有序数组转换为二叉搜索树

🍅 Java学习路线:搬砖工逆袭Java架构师

🍅 简介:Java领域优质创作者🏆、CSDN哪吒公众号作者✌ 、Java架构师奋斗者💪

🍅 百日刷题计划:第 6 / 100 天。

🍅 扫描主页左侧二维码,加入群聊,一起学习、一起进步 

🍅 欢迎点赞 👍 收藏 ⭐留言 📝  

大连跨海大桥夜景图 


 算法是进阶架构师的基础,基础不牢,地动山摇,2021-8-14起开始刷题,目标100天,300道LeetCode算法题,分享是学习的最好方式,加油,嗨起来。

1、LeetCode 101.对称二叉树

题目

给定一个二叉树,检查它是否是镜像对称的。

小编菜解

class Solution {
    public boolean isSymmetric(TreeNode root) {
        return check(root,root);
    }

    private boolean check(TreeNode p, TreeNode q){
        if(p == null && q == null){
            return true;
        }
        if(p == null || q == null){
            return false;
        }
        return p.val == q.val && check(p.left,q.right) && check(p.right,q.left);
    }
}

2、LeetCode 104.二叉树的最大深度

题目

给定一个二叉树,找出其最大深度。

二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。

说明: 叶子节点是指没有子节点的节点。

小编菜解

class Solution {
    public int maxDepth(TreeNode root) {
        if(root == null){
            return 0;
        }
        //要算二叉树的最大深度,可以递归算出左右子树的最大深度,然后+1就可以了
        int left = maxDepth(root.left);
        int right = maxDepth(root.right);
        return left > right ? left + 1 : right + 1;
    }
}

3、LeetCode 108.将有序数组转换为二叉搜索树

题目

给你一个整数数组 nums ,其中元素已经按 升序 排列,请你将其转换为一棵 高度平衡 二叉搜索树。

高度平衡 二叉树是一棵满足「每个节点的左右两个子树的高度差的绝对值不超过 1 」的二叉树。

小编解题思路

选择中间数字作为二叉搜索树的根节点,这样分给左右子树的数字个数相同或只相差 1,可以使得树保持平衡。

确定平衡二叉搜索树的根节点之后,其余的数字分别位于平衡二叉搜索树的左子树和右子树中,左子树和右子树分别也是平衡二叉搜索树,因此可以通过递归的方式创建平衡二叉搜索树。

小编菜解

class Solution {
    public TreeNode sortedArrayToBST(int[] nums) {
        return transfer(nums, 0, nums.length - 1);
    }

    private TreeNode transfer(int[] nums, int left, int right){
        if(left > right){
            return null;
        }
        int mid = left + (right - left)/2;
        TreeNode root  = new TreeNode(nums[mid]);
        root.left = transfer(nums, left, mid - 1);
        root.right = transfer(nums, mid + 1, right);
        return root;
    }
}

推荐阅读

【100天算法入门 - 每日三题 - Day1】二叉树的中序遍历、两数之和、整数反转

【100天算法入门 - 每日三题 - Day2】二分查找、第一个错误的版本、搜索插入位置

【100天算法入门 - 每日三题 - Day3】回文数、罗马数字转数字、最大公共前缀

【100天算法入门 - 每日三题 - Day4】有效的括号、删除有序数组中的重复项、实现strStr

【100天算法入门 - 每日三题 - Day5】最后一个单词的长度、相同的树、买卖股票的最佳时机

<think>嗯,用户让我解释树、B树、B+树这些数据结构之间的区别和应用场景,还有其他的二叉树变种。首先,我需要理清楚每个结构的定义和特点,然后比较它们的异同,再结合实际应用来说明。 首先,树的基本概念。树是一种分层数据结构,由节点和边组成,每个节点有零或多个节点,除了根节点外,每个节点都有一个父节点。这应该是所有其他树类型的基础。比如二叉树就是每个节点最多两个节点的树。 然后,B树和B+树。我记得B树是为了磁盘存储设计的,因为磁盘读取数据是按块进行的,B树每个节点可以有很多节点,这样树的高度较低,减少磁盘I/O次数。而B+树的所有数据都存储在叶节点,内部节点只存键,这样范围查询更高效。应用上,数据库索引常用B+树,比如MySQL的InnoDB引擎。B树可能用在文件系统中? 接下来是二叉树的几种类型。普通二叉树没什么限制,每个节点最多两个节点。满二叉树是完全填满的,所有层都满。完全二叉树则是最后一层可以不满,但必须从左到右填充。完全二叉树常用于堆结构,比如优先队列,堆排序。 二叉查找树(BST),左树所有节点小于根,右树大于根。但如果不平衡,退化成链表,效率变低。所以需要平衡二叉树,比如AVL树和红黑树。AVL树的平衡要求严格,左右树高度差不超过1,适合查找多的情况。红黑树通过颜色标记保持近似平衡,插入删除效率更高,适合频繁更新的场景,比如Java的TreeMap。 对称二叉树是指镜像对称的结构,可能用于检查树的对称性,比如某些算法题。 哈希搜索是基于哈希表的,通过哈希函数直接定位,理想情况O(1)时间,但冲突处理影响效率。适合精确查找,不适用于范围查询或者需要有序的情况。比如Python的字典。 在整理这些的时候,可能会混淆某些特性,比如B树和B+树的区别是否在数据存储的位置。需要确认B树的节点是否也存储数据,而B+树只在叶存储。另外,平衡二叉树的不同实现,比如AVL和红黑树的平衡策略差异,以及应用场景的不同。 应用场景方面,数据库索引用B+树因为叶节点链表支持顺序访问;文件系统可能用B树,因为查询可能更频繁且不需要范围扫描。红黑树在STL中的map、set使用,因为插入删除快;而AVL树可能用在需要更快查找的地方,但相对少一些,因为维护成本高。 还有完全二叉树和堆的关系,堆通常用数组实现,因为它是一个完全二叉树的结构,这样数组存储没有空间浪费,并且可以快速找到父节点。 需要确保每个结构的定义准确,对比时突出关键区别,比如B树与B+树的节点数据存储方式,平衡二叉树的不同平衡策略,哈希表与树结构在查询上的不同等。 最后,组织这些内容时要结构清晰,分点说明每个结构的定义、特点和应用,然后总结对比它们的区别和适用场景。可能需要用表格或者分点比较,但用户要求用中文回答,结构要自然。</think>以下是各类树结构及哈希搜索的区别与应用场景的清晰对比: --- ### **1. 树(Tree)** - **定义**:由节点和边构成的层次结构,每个节点有零或多个节点。 - **特点**:分层存储,适用于表示层级关系。 - **应用**:文件系统目录、组织结构图、XML/JSON解析。 --- ### **2. B树** - **定义**:多路平衡搜索树,每个节点最多包含 $k$ 个节点($k$ 阶B树)。 - **特点**: - 所有叶节点在同一层。 - 节点中存储键和数据。 - 通过减少树高度降低磁盘I/O次数。 - **应用**:文件系统(如NTFS、ReiserFS)、数据库索引(较少直接使用,更多用B+树)。 --- ### **3. B+树** - **定义**:B树的变种,所有数据存储在叶节点,内部节点仅存键。 - **特点**: - 叶节点通过链表连接,支持高效范围查询。 - 查询稳定性更高(所有查询到叶节点结束)。 - **应用**:关系型数据库索引(如MySQL InnoDB)、大型文件系统。 --- ### **4. 二叉树(Binary Tree)** - **定义**:每个节点最多有两个节点(左、右树)。 - **特点**:结构简单,但可能退化为链表。 - **应用**:基础树结构,常用于教学和简单场景。 --- ### **5. 满二叉树(Full Binary Tree)** - **定义**:所有层均被填满,所有非叶节点都有两个节点。 - **特点**:节点总数 $=2^h -1$($h$ 为高度)。 - **应用**:理论分析,较少直接应用。 --- ### **6. 完全二叉树(Complete Binary Tree)** - **定义**:最后一层从左到右连续填充,其他层填满。 - **特点**:可用数组高效存储(无需指针)。 - **应用**:堆结构(优先队列、堆排序)。 --- ### **7. 二叉查找树(BST, Binary Search Tree)** - **定义**:左树所有节点值 < 根节点值 < 右树所有节点值。 - **特点**:中序遍历结果为有序序列。 - **缺点**:可能退化为链表(时间复杂度从 $O(\log n)$ 降为 $O(n)$)。 - **应用**:简单动态数据排序与查找。 --- ### **8. 平衡二叉树(Balanced Binary Tree)** - **定义**:任意节点的左右树高度差不超过1。 - **特点**:保证BST的查询效率为 $O(\log n)$。 - **应用**:广义的平衡树结构(如AVL树、红黑树的基础)。 --- ### **9. 对称二叉树(Symmetric Binary Tree)** - **定义**:左右树镜像对称。 - **特点**:结构对称,但未必平衡或有序。 - **应用**:算法题中判断对称性(如LeetCode题目)。 --- ### **10. AVL树** - **定义**:严格平衡的二叉搜索树,通过旋转保持平衡。 - **特点**: - 高度平衡,查询效率稳定为 $O(\log n)$。 - 插入/删除需频繁调整,维护成本高。 - **应用**:读多写少的场景(如内存中的有序映射)。 --- ### **11. 红黑树(Red-Black Tree)** - **定义**:自平衡二叉搜索树,通过颜色标记和旋转保持近似平衡。 - **特点**: - 平衡要求较宽松,插入/删除效率高于AVL树。 - 最长路径不超过最短路径的2倍。 - **应用**:高频插入删除场景(如Java `TreeMap`、C++ `std::map`)。 --- ### **12. 哈希搜索(Hash Table)** - **定义**:通过哈希函数将键映射到存储位置。 - **特点**: - 理想情况下查询/插入时间复杂度为 $O(1)$。 - 不支持范围查询,依赖哈希函数质量。 - **应用**:快速精确查找(如字典、缓存)。 --- ### **对比总结** | 结构 | 核心特点 | 优势场景 | 劣势场景 | |---------------|-----------------------------------|------------------------------|------------------------| | **B树** | 多路平衡,节点存储键和数据 | 文件系统、磁盘数据库索引 | 范围查询效率低 | | **B+树** | 叶链表连接,内部节点仅存键 | 数据库索引、范围查询 | 内存占用略高 | | **AVL树** | 严格平衡,旋转频繁 | 读密集型操作 | 写操作成本高 | | **红黑树** | 近似平衡,插入删除高效 | 高频写操作(如内存数据库) | 查询稍慢于AVL树 | | **哈希搜索** | 直接定位,理想O(1)复杂度 | 精确查找、缓存 | 不支持排序和范围查询 | --- ### **应用场景示例** 1. **数据库索引**:B+树(范围查询高效)。 2. **内存映射表**:红黑树(平衡插入与查询)。 3. **文件系统**:B树(减少磁盘I/O次数)。 4. **堆排序**:完全二叉树(数组存储高效)。 5. **缓存系统**:哈希表(快速键值查询)。 通过选择合适的数据结构,可显著优化系统的时间与空间效率。
评论 20
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

打赏作者

哪 吒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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