mirror of
https://github.com/krahets/hello-algo.git
synced 2024-12-26 01:26:28 +08:00
90 lines
3.7 KiB
Markdown
90 lines
3.7 KiB
Markdown
|
# 二元樹走訪
|
|||
|
|
|||
|
從物理結構的角度來看,樹是一種基於鏈結串列的資料結構,因此其走訪方式是透過指標逐個訪問節點。然而,樹是一種非線性資料結構,這使得走訪樹比走訪鏈結串列更加複雜,需要藉助搜尋演算法來實現。
|
|||
|
|
|||
|
二元樹常見的走訪方式包括層序走訪、前序走訪、中序走訪和後序走訪等。
|
|||
|
|
|||
|
## 層序走訪
|
|||
|
|
|||
|
如下圖所示,<u>層序走訪(level-order traversal)</u>從頂部到底部逐層走訪二元樹,並在每一層按照從左到右的順序訪問節點。
|
|||
|
|
|||
|
層序走訪本質上屬於<u>廣度優先走訪(breadth-first traversal)</u>,也稱<u>廣度優先搜尋(breadth-first search, BFS)</u>,它體現了一種“一圈一圈向外擴展”的逐層走訪方式。
|
|||
|
|
|||
|
![二元樹的層序走訪](binary_tree_traversal.assets/binary_tree_bfs.png)
|
|||
|
|
|||
|
### 程式碼實現
|
|||
|
|
|||
|
廣度優先走訪通常藉助“佇列”來實現。佇列遵循“先進先出”的規則,而廣度優先走訪則遵循“逐層推進”的規則,兩者背後的思想是一致的。實現程式碼如下:
|
|||
|
|
|||
|
```src
|
|||
|
[file]{binary_tree_bfs}-[class]{}-[func]{level_order}
|
|||
|
```
|
|||
|
|
|||
|
### 複雜度分析
|
|||
|
|
|||
|
- **時間複雜度為 $O(n)$** :所有節點被訪問一次,使用 $O(n)$ 時間,其中 $n$ 為節點數量。
|
|||
|
- **空間複雜度為 $O(n)$** :在最差情況下,即滿二元樹時,走訪到最底層之前,佇列中最多同時存在 $(n + 1) / 2$ 個節點,佔用 $O(n)$ 空間。
|
|||
|
|
|||
|
## 前序、中序、後序走訪
|
|||
|
|
|||
|
相應地,前序、中序和後序走訪都屬於<u>深度優先走訪(depth-first traversal)</u>,也稱<u>深度優先搜尋(depth-first search, DFS)</u>,它體現了一種“先走到盡頭,再回溯繼續”的走訪方式。
|
|||
|
|
|||
|
下圖展示了對二元樹進行深度優先走訪的工作原理。**深度優先走訪就像是繞著整棵二元樹的外圍“走”一圈**,在每個節點都會遇到三個位置,分別對應前序走訪、中序走訪和後序走訪。
|
|||
|
|
|||
|
![二元搜尋樹的前序、中序、後序走訪](binary_tree_traversal.assets/binary_tree_dfs.png)
|
|||
|
|
|||
|
### 程式碼實現
|
|||
|
|
|||
|
深度優先搜尋通常基於遞迴實現:
|
|||
|
|
|||
|
```src
|
|||
|
[file]{binary_tree_dfs}-[class]{}-[func]{post_order}
|
|||
|
```
|
|||
|
|
|||
|
!!! tip
|
|||
|
|
|||
|
深度優先搜尋也可以基於迭代實現,有興趣的讀者可以自行研究。
|
|||
|
|
|||
|
下圖展示了前序走訪二元樹的遞迴過程,其可分為“遞”和“迴”兩個逆向的部分。
|
|||
|
|
|||
|
1. “遞”表示開啟新方法,程式在此過程中訪問下一個節點。
|
|||
|
2. “迴”表示函式返回,代表當前節點已經訪問完畢。
|
|||
|
|
|||
|
=== "<1>"
|
|||
|
![前序走訪的遞迴過程](binary_tree_traversal.assets/preorder_step1.png)
|
|||
|
|
|||
|
=== "<2>"
|
|||
|
![preorder_step2](binary_tree_traversal.assets/preorder_step2.png)
|
|||
|
|
|||
|
=== "<3>"
|
|||
|
![preorder_step3](binary_tree_traversal.assets/preorder_step3.png)
|
|||
|
|
|||
|
=== "<4>"
|
|||
|
![preorder_step4](binary_tree_traversal.assets/preorder_step4.png)
|
|||
|
|
|||
|
=== "<5>"
|
|||
|
![preorder_step5](binary_tree_traversal.assets/preorder_step5.png)
|
|||
|
|
|||
|
=== "<6>"
|
|||
|
![preorder_step6](binary_tree_traversal.assets/preorder_step6.png)
|
|||
|
|
|||
|
=== "<7>"
|
|||
|
![preorder_step7](binary_tree_traversal.assets/preorder_step7.png)
|
|||
|
|
|||
|
=== "<8>"
|
|||
|
![preorder_step8](binary_tree_traversal.assets/preorder_step8.png)
|
|||
|
|
|||
|
=== "<9>"
|
|||
|
![preorder_step9](binary_tree_traversal.assets/preorder_step9.png)
|
|||
|
|
|||
|
=== "<10>"
|
|||
|
![preorder_step10](binary_tree_traversal.assets/preorder_step10.png)
|
|||
|
|
|||
|
=== "<11>"
|
|||
|
![preorder_step11](binary_tree_traversal.assets/preorder_step11.png)
|
|||
|
|
|||
|
### 複雜度分析
|
|||
|
|
|||
|
- **時間複雜度為 $O(n)$** :所有節點被訪問一次,使用 $O(n)$ 時間。
|
|||
|
- **空間複雜度為 $O(n)$** :在最差情況下,即樹退化為鏈結串列時,遞迴深度達到 $n$ ,系統佔用 $O(n)$ 堆疊幀空間。
|