98. 验证二叉搜索树
一、算法逻辑(逐步通顺讲解每一步思路)
这段算法使用了一种递归的思路:
每个节点返回它所在子树的 最小值和最大值,并在返回的过程中检查 BST 的合法性。
✅ 1️⃣ 定义递归函数 dfs(node)
,其含义是:
对于以 node
为根的子树,返回其值域范围 (最小值, 最大值)
。
✅ 2️⃣ 处理空节点(递归边界):
当 node is None
时,说明是空子树,返回 (inf, -inf)
:
- 空树最大值是
-inf
,最小值是+inf
,便于后续比较中不干扰当前节点的合法判断。
✅ 3️⃣ 分别递归左右子树:
获取当前节点左右子树的最大/最小值。
✅ 4️⃣ 当前节点合法性判断(BST 核心条件):
- 当前节点的值
x = node.val
,必须满足:
即:当前节点必须大于左子树的最大值,小于右子树的最小值。
如果不满足,则立即返回非法标记 (−inf, +inf)
,用来"污染"父节点的判断。
✅ 5️⃣ 当前子树的值域汇总:
如果合法,则当前子树的最小值为 min(l_min, x)
,最大值为 max(r_max, x)
,向上传递。
✅ 6️⃣ 最终检查:
顶层返回的是根节点子树的值域,如果合法,就不等于 (-inf, +inf)
;否则被污染为非法。
二、核心点总结
该算法的核心是:
后序遍历地收集每棵子树的最值信息,同时判断当前节点是否满足 BST 性质。
✅ 通过最小/最大值来传递合法性,思路独特;
✅ 利用 (−inf, +inf)
作为非法标志,避免使用全局变量;
✅ 后序遍历先处理左右子树,再判断当前节点,能做到"非法剪枝";
✅ 可扩展性强:该模式也可以改写为同时处理 AVL 树、红黑树的平衡性检测等。
python
class Solution:
def isValidBST(self, root: Optional[TreeNode]) -> bool:
def dfs(node: Optional[TreeNode]) -> Tuple:
if node is None:
return inf, -inf
l_min, l_max = dfs(node.left)
r_min, r_max = dfs(node.right)
x = node.val
# 也可以在递归完左子树之后立刻判断,如果发现不是二叉搜索树,就不用递归右子树了
if x <= l_max or x >= r_min:
return -inf, inf
return min(l_min, x), max(r_max, x)
return dfs(root)[1] != inf
三、时间复杂度分析
-
每个节点都被访问一次;
-
每次访问包含常数级操作(比较、返回值)。
所以时间复杂度为:
O(n) ,其中
n
是树的节点数
四、空间复杂度分析
-
主要是递归调用栈;
-
最坏情况下是链状结构,深度为
n
; -
最好是平衡树,深度为
log n
。
所以空间复杂度为:
O(h) ,其中
h
是树的高度,最坏为 O(n),平均为 O(log n)
✅ 总结一句话
本算法通过后序遍历传递 (最小值, 最大值)
并在每一层校验 BST 条件,以递归+返回值方式 elegantly 判断整棵树是否为 BST。其巧妙之处在于使用返回值同时传递判断信息与范围信息,无状态、无额外全局变量、思路干净优雅。