day145—递归—二叉树的右视图(LeetCode-199)

题目描述

给定一个二叉树的 根节点 root,想象自己站在它的右侧,按照从顶部到底部的顺序,返回从右侧所能看到的节点值。

示例 1:

**输入:**root = [1,2,3,null,5,null,4]

输出:[1,3,4]

解释:

示例 2:

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

输出:[1,3,4,5]

解释:

示例 3:

**输入:**root = [1,null,3]

输出:[1,3]

示例 4:

**输入:**root = []

输出:[]

提示:

  • 二叉树的节点个数的范围是 [0,100]
  • -100 <= Node.val <= 100

解决方案:

这段代码的核心功能是获取二叉树的右视图 (即从二叉树右侧观察能看到的节点值,按从上到下的顺序输出),采用「递归 + 前序遍历(优先访问右子树)」的思路,通过深度标记记录每一层的第一个(最右侧)节点,时间复杂度 O(n)n 为节点数),空间复杂度 O(h)h 为树的高度),是该问题的经典递归解法。

核心逻辑

代码的核心思路是 "优先遍历右子树,每一层只记录第一个访问到的节点(即最右侧节点)",通过深度和结果数组的长度关联来实现:

  1. 全局结果数组初始化 :定义 ans 数组保存右视图节点值,初始为空;
  2. 递归辅助函数 f :参数为当前节点 node 和当前深度 depth
    • 边界条件:若当前节点为空,直接返回;
    • 深度更新:当前节点非空时,深度 +1(表示当前节点所在层);
    • 记录最右侧节点:若 ans 数组的长度小于当前深度(说明该层还未记录任何节点),将当前节点值加入 ans(因优先遍历右子树,这是该层第一个被访问的节点,即最右侧节点);
    • 优先递归右子树:先遍历当前节点的右子树,再遍历左子树(保证每一层先访问右节点);
  3. 主函数触发遍历 :调用 f(root, 0)(初始深度为 0,未访问任何节点),最终返回 ans 即为右视图结果。

总结

  1. 核心思路:利用 "优先遍历右子树 + 深度标记",让每一层的第一个节点就是最右侧节点,仅记录该节点即可;
  2. 关键细节:ans.size() < depth 是判断 "是否为该层第一个节点" 的核心条件,确保每一层只记录一个节点;
  3. 效率特点:每个节点仅遍历一次,时间 O(n);递归栈空间取决于树的高度,平衡树为 O(log n),退化为链表时为 O(n)

函数源码:

cpp 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:
    vector<int> ans={};
    void f(TreeNode* node,int depth){
        if(!node)   return;
        depth+=1;
        if(ans.size()<depth){
            ans.push_back(node->val);
        }
        f(node->right,depth);
        f(node->left,depth);
    }
    vector<int> rightSideView(TreeNode* root) {
        f(root,0);
        return ans;
    }
};
相关推荐
NAGNIP12 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
颜酱20 小时前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub1 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub1 天前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉
NAGNIP1 天前
轻松搞懂全连接神经网络结构!
人工智能·算法·面试
NAGNIP1 天前
一文搞懂激活函数!
算法·面试
董董灿是个攻城狮1 天前
AI 视觉连载7:传统 CV 之高斯滤波实战
算法