Swift实战:如何优雅地从二叉搜索树中挑出最接近的K个值


文章目录

摘要

在日常开发中,我们经常会遇到"在一堆数据中找出最接近某个值"的需求。尤其在搜索引擎、推荐系统或者地理坐标匹配中,这种"最近匹配"的问题非常常见。LeetCode 的第 272 题《最接近的二叉搜索树值 II》就是一个很贴近实际的算法题。它要求我们在一个二叉搜索树(BST)里,找出与给定目标值最接近的 K 个数。

这篇文章会带你一步步分析题目,写出 Swift 的题解代码,并配上可运行的 Demo 和测试样例。咱们还会结合实际场景,看看这类问题背后的意义,以及怎么在项目中用起来。

描述

题目要求如下:

给定一个二叉搜索树的根节点 root、一个目标值 target 和一个整数 k,找出 BST 中最接近目标值的 k 个数。

示例:

txt 复制代码
输入:root = [4,2,5,1,3], target = 3.714286, k = 2
输出:[4,3]

注意:

  • 你可以假设 k 总是有效的,1 ≤ k ≤ BST 的总节点数。

  • 你可以假设目标值在 BST 中不存在。

  • 答案不要求按顺序输出。

题解答案

思路很简单,但实现起来稍有挑战。我们主要有两种策略:

  1. 中序遍历 + 排序

    先把所有节点值拿出来,然后根据它们和目标值的差距进行排序,最后返回前 K 个。

  2. 使用堆结构进行剪枝优化

    这方法更高效,不需要遍历所有节点,只维护一个大小为 K 的最大堆,保存当前最接近的 K 个值。

考虑到 Swift 标准库里没有原生堆结构,我们这里优先实现第一种"中序遍历 + 排序"的方案,简单直观好调试。

题解代码分析

我们使用中序遍历把 BST 的值按升序放到一个数组里。然后根据每个值与目标值的差异排序,最后取前 K 个。

swift 复制代码
class TreeNode {
    var val: Int
    var left: TreeNode?
    var right: TreeNode?

    init(_ val: Int) {
        self.val = val
    }
}

class Solution {
    func closestKValues(_ root: TreeNode?, _ target: Double, _ k: Int) -> [Int] {
        var nums = [Int]()

        // 中序遍历
        func inorder(_ node: TreeNode?) {
            guard let node = node else { return }
            inorder(node.left)
            nums.append(node.val)
            inorder(node.right)
        }

        inorder(root)

        // 按照和 target 的距离进行排序
        nums.sort { abs(Double($0) - target) < abs(Double($1) - target) }

        // 取前 k 个
        return Array(nums.prefix(k))
    }
}

示例测试及结果

我们来搭一个简单的树,跑一下这个函数。

swift 复制代码
// 构建树:[4,2,5,1,3]
let root = TreeNode(4)
root.left = TreeNode(2)
root.right = TreeNode(5)
root.left?.left = TreeNode(1)
root.left?.right = TreeNode(3)

let sol = Solution()
let result = sol.closestKValues(root, 3.714286, 2)
print(result) // 输出:[4, 3]

运行解释:

中序遍历后我们拿到 [1,2,3,4,5]。对比目标值 3.714286,我们发现 4 和 3 是最接近的两个值,所以返回 [4,3]

时间复杂度

  • 中序遍历:O(n)

  • 排序:O(n log n)

  • 取前 K 个值:O(k)

总计:O(n log n) ,其中 n 是树中节点的数量。

空间复杂度

  • 中序遍历需要额外的数组保存所有节点值:O(n)

  • 排序过程不需要额外空间(使用原地排序)

总计:O(n)

总结

这道题虽然是一个典型的"树 + 排序"问题,但它的思想可以很好地迁移到很多实际场景里。比如:

  • 搜索引擎中找最相关的词条

  • 地图里找离当前位置最近的 K 个地标

  • 数据监控系统中,找最接近阈值的异常点

我们实现的是中序遍历 + 排序的解法,如果你项目中对性能有要求,可以考虑加上最大堆,剪枝优化进一步降低时间复杂度。

未来展望

如果你希望挑战更复杂的变体,可以试试下面这些:

  • 在 BST 中找"最接近目标值的 K 个节点路径"

  • 假设树是不断变化的,怎么用优雅的数据结构支持动态查询?

  • 加入权重,对"接近"的定义做更多解释(比如偏向大值或小值)

相关推荐
Marst Code1 小时前
Python 3.9 已停止维护!从 3.9 到 3.14 全版本深度对比,生产环境该选哪个?
开发语言·python
ZJH__GO2 小时前
网络编程v2--多客户端互通
java·运维·服务器·开发语言·计算机网络
万岳科技系统开发2 小时前
智慧医院小程序开发推动医疗服务流程全面线上化
大数据·开发语言·人工智能
一只小灿灿2 小时前
C++ 修饰符全面详解
开发语言·c++
马里马里奥-2 小时前
从零搭建AI Agent工具链的技术文章大纲
开发语言·qt
不做Java程序猿好多年3 小时前
Java中 String、StringBuffer、StringBuilder 的区别详解
开发语言·python
会周易的程序员3 小时前
js-shm: 高性能 Node.js 共享内存模块
开发语言·javascript·c++·node.js·共享内存·shm
笨蛋不要掉眼泪3 小时前
Java虚拟机:常用参数
java·开发语言·python
happy_0x3f4 小时前
前端应用的离线暂停更新策略
开发语言·前端·php
shylyly_4 小时前
C++中的类型转换
开发语言·c++·匿名对象·隐式类型转换·拷贝优化