【LeetCode热题100道笔记】二叉搜索树中第 K 小的元素

题目描述

给定一个二叉搜索树的根节点 root ,和一个整数 k ,请你设计一个算法查找其中第 k 小的元素(从 1 开始计数)。

示例 1:

输入:root = [3,1,4,null,2], k = 1

输出:1

示例 2:

输入:root = [5,3,6,2,4,null,null,1], k = 3

输出:3

提示:

树中的节点数为 n 。
1<=k<=n<=1041 <= k <= n <= 10^41<=k<=n<=104
0<=Node.val<=1040 <= Node.val <= 10^40<=Node.val<=104

进阶:如果二叉搜索树经常被修改(插入/删除操作)并且你需要频繁地查找第 k 小的值,你将如何优化算法?

思考一:中序遍历(利用BST有序特性)

核心是借助BST中序遍历的有序性 :中序遍历(左→根→右)会生成严格递增的节点值序列,序列中第k-1个元素(索引从0开始)即为第k小元素。

算法过程

  1. 中序遍历收集节点值
    • 初始化空数组arr,用于存储中序遍历的节点值;
    • 递归执行中序遍历:先遍历左子树(确保更小的元素先入数组),再将当前节点值加入arr,最后遍历右子树;
    • 若节点为空,直接返回(递归终止条件)。
  2. 提取第k小元素
    • 遍历完成后,arr已按递增排序,返回arr[k-1](第k个元素,索引为k-1)。

时空复杂度

  • 时间复杂度 :O(n),n为二叉树节点总数。
    原因:中序遍历需遍历所有节点(最坏情况需收集全部节点值才能找到第k小),总操作次数与节点数线性相关。
  • 空间复杂度 :O(n)。
    原因:数组arr需存储所有节点值(最坏情况),递归调用栈需O(h)(h为树高),总空间由数组主导,为O(n)。

代码

javascript 复制代码
/**
 * Definition for a binary tree node.
 * function TreeNode(val, left, right) {
 *     this.val = (val===undefined ? 0 : val)
 *     this.left = (left===undefined ? null : left)
 *     this.right = (right===undefined ? null : right)
 * }
 */
/**
 * @param {TreeNode} root
 * @param {number} k
 * @return {number}
 */
var kthSmallest = function(root, k) {
    const arr = [];
    inOrder(root, arr);
    return arr[k-1];
};

function inOrder(node, arr) {
    if (!node) return;
    inOrder(node.left, arr);
    arr.push(node.val);
    inOrder(node.right, arr);
}

思考二:最大堆(动态维护最小的k个元素)

核心是用容量为k的最大堆 动态筛选"当前遍历到的最小k个元素":堆顶始终是这k个元素中的最大值,遍历完成后堆顶即为第k小元素(因比堆顶小的元素有k-1个,堆顶自然是第k小)。
注:JavaScript无内置堆,需实现简易最大堆(按值大小排序,堆顶为最大值)。

算法过程

  1. 实现最大堆
    • 堆初始化时固定容量为k,超过容量时自动弹出堆顶(最大值);
    • 提供push(插入元素并调整堆结构)、front(获取堆顶元素)、size(获取堆元素个数)方法。
  2. 深度优先遍历(DFS)树节点
    • 遍历所有节点,对每个节点值:
      • 若堆中元素不足k个,直接入堆;
      • 若堆已满且当前节点值 < 堆顶(说明当前节点值是更小的元素,需替换堆顶),弹出堆顶后将当前节点值入堆;
  3. 返回结果:遍历完成后,堆顶元素即为第k小元素。

时空复杂度

  • 时间复杂度 :O(n log k),n为二叉树节点总数。
    原因:遍历所有节点需O(n),每个节点入堆/出堆操作需O(log k)(堆的调整时间与堆容量k的对数相关),总时间为O(n log k)。
  • 空间复杂度 :O(k + h),h为树高。
    原因:堆占用O(k)空间,DFS递归栈占用O(h)空间,总空间由堆主导(k远小于n时比中序遍历更优)。

代码

javascript 复制代码
/**
 * Definition for a binary tree node.
 * function TreeNode(val, left, right) {
 *     this.val = (val===undefined ? 0 : val)
 *     this.left = (left===undefined ? null : left)
 *     this.right = (right===undefined ? null : right)
 * }
 */
/**
 * @param {TreeNode} root
 * @param {number} k
 * @return {number}
 */
var kthSmallest = function(root, k) {
    const priorityQueue = new MyMaxPriorityQueue(k);
    dfs(root, priorityQueue, k);
    return priorityQueue.front();    
};

function dfs(node, queue, k) {
    if (!node) return;
    if (queue.size() < k || queue.front() > node.val) {
        queue.push(node.val);
    }
    dfs(node.left, queue, k);
    dfs(node.right, queue, k);
}


class MyMaxPriorityQueue {

    constructor(capacity = 1000) {
        this._data = [];
        this._capacity = capacity;
        this._size = 0;
    }

    front() {
        return this._data[0];
    }

    push(num) {
        if (this._capacity === this._size) {
            this.pop();
        }
        this._data.push(num);
        this.swim();
        this._size++;
    }

    pop() {
        if (this._data.length === 0) return;
        [this._data[0], this._data[this._data.length-1]] = [this._data[this._data.length-1], this._data[0]];
        const item = this._data.pop();
        this.sink();
        this._size--;
        return item;
    }

    swim(index = this._data.length-1) {
        while (index > 0) {
            let pIndex = Math.floor((index-1)/2);
            if (this._data[index] > this._data[pIndex]) {
                [this._data[index], this._data[pIndex]] = [this._data[pIndex], this._data[index]];
                index = pIndex;
                continue;
            }
            break;
        }

    }

    sink(index = 0) {
        const n = this._data.length;
        while (true) {
            let left = 2 * index + 1;
            let right = left + 1;
            let biggest = index;

            if (left < n && this._data[left] > this._data[index]) {
                biggest = left;
            }
            if (right < n && this._data[right] > this._data[biggest]) {
                biggest = right;
            }

            if (biggest !== index) {
                [this._data[biggest], this._data[index]] = [this._data[index], this._data[biggest]];
                index = biggest;
                continue;
            }

            break;
        }
    }

    size() {
        return this._size;
    }

}
相关推荐
DKPT3 小时前
JVM中如何调优新生代和老生代?
java·jvm·笔记·学习·spring
THMAIL4 小时前
机器学习从入门到精通 - 数据预处理实战秘籍:清洗、转换与特征工程入门
人工智能·python·算法·机器学习·数据挖掘·逻辑回归
Kevinhbr5 小时前
CSP-J/S IS COMING
数据结构·c++·算法
蕓晨5 小时前
set的插入和pair的用法
c++·算法
THMAIL5 小时前
深度学习从入门到精通 - AutoML与神经网络搜索(NAS):自动化模型设计未来
人工智能·python·深度学习·神经网络·算法·机器学习·逻辑回归
金古圣人5 小时前
hot100 滑动窗口
数据结构·c++·算法·leetcode·哈希算法
kebeiovo6 小时前
算法-二叉树的序列化与反序列化
算法
蒹葭玉树6 小时前
【C++上岸】C++常见面试题目--算法篇(第二十期)
c++·算法·面试
JJJJ_iii6 小时前
【左程云算法03】对数器&算法和数据结构大致分类
数据结构·算法·分类