修剪二叉搜索树(力扣669)

这道题还是比较复杂,在递归上与之前写过的二叉树的题目都有所不同。如果当前递归到的子树的父节点不在范围中,我们根据节点数值的大小选择进行左递归还是右递归。为什么找到了不满足要求的节点之后,还要进行递归呢?因为该不满足要求的父节点的子树中可能存在满足要求的节点,我们要不断递归子树寻找这些满足要求的节点并向上返回,直到遇到空节点为止。注意这里递归函数的返回值为指向节点的指针,用来返回满足要求的节点。另外,递归到的子树的父节点满足要求时,需要进行链表的连接操作,刚好接住前面所说的满足要求的节点,最后再向上返回该节点,用于之后的连接。大家可以结合我下面的代码及注释理解此题。

代码及注释如下:

复制代码
/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode() : val(0), left(nullptr), right(nullptr) {}
 *     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
 *     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
 * };
 */
class Solution {
public:
    TreeNode* trimBST(TreeNode* root, int low, int high) {
        //终止条件
        if(root == NULL){
            return NULL;
        }
        //如果节点值不在范围中,则根据节点值的大小选择进行左递归还是右递归
        if(root -> val < low){
            //这里的递归是为了找到满足要求的子树父节点
            TreeNode* right = trimBST(root -> right,low,high);
            //返回该子树父节点
            return right;
        }
        if(root -> val > high){
            //这里的递归是为了找到满足要求的子树父节点
            TreeNode* left = trimBST(root -> left,low,high);
             //返回该子树父节点
            return left;
        }
        //如果当前节点在范围中,则将当前节点与子树父节点连接
       TreeNode* a =  trimBST(root -> left,low,high);
       TreeNode* b = trimBST(root -> right,low,high);
       root -> left = a;
       root -> right = b;
        //返回连接后的新子树父节点
        return root;
    }
};
相关推荐
OKkankan29 分钟前
LangChain 能力详解!:输出解析、RAG、向量数据库与 Retriever 检索器
数据结构·python·langchain·ai应用
蓝速科技33 分钟前
便民服务大厅 AI 数字人一体机场景适配与落地指南丨蓝速科技
大数据·网络·数据结构·人工智能·自然语言处理·数据分析·运维开发
June bug1 小时前
【HCIA- AI(正课)】3.1.人工智能业务流程
职场和发展
302wanger1 小时前
推荐下我的两个AI信息源
算法
索尔~古德曼1 小时前
CF——错题的集合
算法
xxwxx__1 小时前
C++ AVL 树深度剖析:平衡二叉搜索树原理、源码与面试考点
数据结构·c++
SL_staff1 小时前
JVS-Logic:从页面配置工具到企业级业务逻辑中枢的技术演进
java·算法·全栈
Logic1011 小时前
C语言/数据结构数组题解:数字列表加一(Plus One)——进位处理与数组扩展
c语言·数据结构·模拟·数组·时间复杂度·算法题·进位
陌シ未央ゞ1 小时前
基于BM25算法和RRF实现的混合索引(java版)
人工智能·spring boot·后端·算法
renhongxia11 小时前
数字孪生不止在工厂:能源、医疗与农业
人工智能·深度学习·算法·机器学习·数字孪生