使用c++来写一个bfs和dfs
class Solution {
public:
int minDepth(TreeNode* root) {
// 如果根节点为空,树的最小深度为0
if (root == nullptr) {
return 0;
}
// 创建一个队列,用于BFS
// 队列中的每个元素是一个pair,包含节点指针和该节点的深度
queue<pair<TreeNode*, int>> q;
// 将根节点加入队列,深度为1
q.push({root, 1});
// 当队列不为空时,继续搜索
while (!q.empty()) {
// 取出队列的前端元素
auto [node, depth] = q.front();
q.pop();
// 如果当前节点是叶子节点(没有子节点),返回其深度
// 这就是最小深度,因为BFS首先到达的叶子节点一定是最浅的
if (node->left == nullptr && node->right == nullptr) {
return depth;
}
// 如果左子节点存在,将其加入队列,深度加1
if (node->left) {
q.push({node->left, depth + 1});
}
// 如果右子节点存在,将其加入队列,深度加1
if (node->right) {
q.push({node->right, depth + 1});
}
}
// 这行代码实际上不会被执行,因为只要根节点不为空,
// 我们总会在某个时刻返回一个深度
return 0;
}
};
BFS 的核心思想是逐层遍历树,所以它能保证首先找到最小宽度的叶子节点。
现在让我们看看DFS(深度优先搜索)的实现:
class Solution {
public:
int minDepth(TreeNode* root) {
// 如果根节点为空,深度为0
if (root == nullptr) {
return 0;
}
// 如果是叶子节点(没有子节点),深度为1
if (root->left == nullptr && root->right == nullptr) {
return 1;
}
// 如果左子树为空,只需考虑右子树
if (root->left == nullptr) {
return minDepth(root->right) + 1;
}
// 如果右子树为空,只需考虑左子树
if (root->right == nullptr) {
return minDepth(root->left) + 1;
}
// 如果左右子树都不为空,取两者的较小值
return min(minDepth(root->left), minDepth(root->right)) + 1;
}
};
DFS 的核心思想是深入地搜索树的分支。在这个例子中,我们可以使用所有可能的路径才能确定最小宽度。
两种方法的比较:
- BFS 通常更适合寻找最短路径,因为它是逐层搜索的。在这个问题中,它能找到第一个叶子节点时就停止,这可能导致比 DFS 更快。
- DFS的优势在于空间复杂度,特别是在树非常深但不应宽的情况下。它的空间复杂度与树的高度成正比,而BFS的空间复杂度与树的最大宽度成正比。
- 从实现角度来看,BFS 通常需要使用额外的数据结构(如队列),而 DFS 则可以直接使用递归,实现起来可能更简洁。
- 在处理非常大的树时,BFS可能会因为需要存储大量节点而费内存,而DFS则不可能遇到这个问题。