day144—递归—平衡二叉树(LeetCode-110)

题目描述

给定一个二叉树,判断它是否是 平衡二叉树

示例 1:

复制代码
输入:root = [3,9,20,null,null,15,7]
输出:true

示例 2:

复制代码
输入:root = [1,2,2,3,3,null,null,4,4]
输出:false

示例 3:

复制代码
输入:root = []
输出:true

提示:

  • 树中的节点数在范围 [0, 5000]
  • -104 <= Node.val <= 104

解决方案:

这段代码的核心功能是判断一棵二叉树是否为平衡二叉树 (即每个节点的左右子树高度差的绝对值不超过 1),采用「后序遍历 + 递归剪枝」的思路实现,在计算子树高度的同时校验平衡条件,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),是该问题的最优解法。

核心逻辑

代码将 "计算子树高度" 和 "校验平衡条件" 融合在同一个递归函数中,通过返回特殊值 -1 实现剪枝,避免重复遍历:

  1. 递归辅助函数 node_height :既计算节点的高度,又实时校验平衡条件:
    • 边界条件:空节点高度为 0
    • 递归计算左子树高度 left_h,若左子树已不平衡(left_h=-1),直接返回 -1(剪枝,无需计算右子树);
    • 同理递归计算右子树高度 right_h,若右子树不平衡,直接返回 -1
    • 校验当前节点平衡条件:若左右子树高度差的绝对值 > 1,返回 -1(标记当前子树不平衡);
    • 若平衡,返回当前节点的高度(max(left_h, right_h)+1);
  2. 主函数 isBalanced
    • 空树直接返回 true(空树是平衡的);
    • 调用 node_height(root),若返回值不为 -1,说明整棵树平衡,返回 true,否则返回 false

总结

  1. 核心思路:后序遍历(先算左右子树高度,再判断当前节点),在计算高度的同时校验平衡,用 -1 剪枝避免无效递归;
  2. 关键优化:相比 "先算所有节点高度,再逐个校验" 的暴力解法,该思路只需一次遍历,时间效率更高;
  3. 效率特点:每个节点仅被访问一次,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:
    
    int node_height(TreeNode* node){
        if(!node) return 0;
        int left_h=node_height(node->left);
        if(left_h==-1){
            return -1;
        }
        int right_h=node_height(node->right);
        if(right_h==-1){
            return -1;
        }
        if(abs(right_h-left_h)>1){
            return -1;
        }
        return max(left_h,right_h)+1; 
    }

    bool isBalanced(TreeNode* root) {
        if(!root) return true;
        return node_height(root)!=-1;
    }
};
相关推荐
NAGNIP3 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12 小时前
单调栈:从模板到实战
javascript·后端·算法
CoovallyAIHub15 小时前
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
CoovallyAIHub15 小时前
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
CoovallyAIHub15 小时前
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
CoovallyAIHub15 小时前
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
CoovallyAIHub16 小时前
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