二叉树遍历——深度优先遍历、广度优先遍历

布满荆棘的人生 2022-05-12 14:40 314阅读 0赞

#### 二叉树遍历简介 ####

【备注】：二叉树的深度优先遍历的非递归的通用做法是采用栈，广度优先遍历的非递归的通用做法是采用队列。

1.  深度优先遍历：  
    对每一个可能的分支路径深入到不能再深入为止，而且每个结点只能访问一次。对每一个可能的分支路径深入到不能再深入为止，而且每个结点只能访问一次。  
    要特别注意的是，二叉树的深度优先遍历比较特殊，可以细分为先序遍历、中序遍历、后序遍历。具体说明如下：
    
    先序遍历：对任一子树，先访问根，然后遍历其左子树，最后遍历其右子树。  
    中序遍历：对任一子树，先遍历其左子树，然后访问根，最后遍历其右子树。  
    后序遍历：对任一子树，先遍历其左子树，然后遍历其右子树，最后访问根。
2.  广度优先遍历：  
    又叫层次遍历，从上往下对每一层依次访问，在每一层中，从左往右（也可以从右往左）访问结点，访问完一层就进入下一层，直到没有结点可以访问为止。又叫层次遍历，从上往下对每一层依次访问，在每一层中，从左往右（也可以从右往左）访问结点，访问完一层就进入下一层，直到没有结点可以访问为止。
3.  深度优先搜素算法：  
    不全部保留结点，占用空间少；有回溯操作(即有入栈、出栈操作)，运行速度慢。  
    通常深度优先搜索法不全部保留结点，扩展完的结点从数据库中弹出删去，这样，一般在数据库中存储的结点数就是深度值，因此它占用空间较少。所以，当搜索树的结点较多，用其它方法易产生内存溢出时，深度优先搜索不失为一种有效的求解方法。
4.  广度优先搜索算法：  
    保留全部结点，占用空间大； 无回溯操作(即无入栈、出栈操作)，运行速度快。  
    广度优先搜索算法，一般需存储产生的所有结点，占用的存储空间要比深度优先搜索大得多，因此，程序设计中，必须考虑溢出和节省内存空间的问题。但广度优先搜索法一般无回溯操作，即入栈和出栈的操作，所以运行速度比深度优先搜索要快些。

#### 案例 ####

![在这里插入图片描述][70]  
先序遍历（递归）：35 20 15 16 29 28 30 40 50 45 55  
中序遍历（递归）：15 16 20 28 29 30 35 40 45 50 55  
后序遍历（递归）：16 15 28 30 29 20 45 55 50 40 35  
先序遍历（非递归）：35 20 15 16 29 28 30 40 50 45 55  
中序遍历（非递归）：15 16 20 28 29 30 35 40 45 50 55  
后序遍历（非递归）：16 15 28 30 29 20 45 55 50 40 35  
广度优先遍历：35 20 40 15 29 50 16 28 30 45 55

![在这里插入图片描述][70 1]

##### 深度优先遍历 #####

对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次。  
对于上面的例子来说深度优先遍历的结果就是：A,B,D,E,I,C,F,G,H.(假设先走子节点的的左侧)。

深度优先遍历各个节点，需要使用到栈（Stack）这种数据结构。stack的特点是是先进后出。整个遍历过程如下：

首先将A节点压入栈中，stack（A）;
    将A节点弹出，同时将A的子节点C，B压入栈中，此时B在栈的顶部，stack(B,C)；
    将B节点弹出，同时将B的子节点E，D压入栈中，此时D在栈的顶部，stack（D,E,C）；
    将D节点弹出，没有子节点压入,此时E在栈的顶部，stack（E，C）；
    将E节点弹出，同时将E的子节点I压入，stack（I,C）；
    ...依次往下，最终遍历完成：

Java代码大概如下

public class TreeNode {
        int val = 0;
        TreeNode left = null;
        TreeNode right = null;
    
        public TreeNode(int val) {
            this.val = val;
        }
    }
    public class Solution {
        public ArrayList<Integer> deep(TreeNode root) {
            ArrayList<Integer> lists=new ArrayList<Integer>();
            if(root==null)
                return lists;
            Stack<TreeNode> stack=new Stack<TreeNode>();
            stack.push(root);
            while(!stack.isEmpty()){
                TreeNode node=stack.pop();
    　　　　　　//先往栈中压入右节点，再压左节点，这样出栈就是先左节点后右节点了。
                if(node.right!=null)
                    stack.push(tree.right);
                if(node.left!=null)
                    stack.push(tree.left);
                lists.add(node.val);
            }
            return lists;
        }
    }

#### 广度优先遍历 ####

其过程检验来说是对每一层节点依次访问，访问完一层进入下一层，而且每个节点只能访问一次。对于上面的例子来说，广度优先遍历的 结果是：A,B,C,D,E,F,G,H,I(假设每层节点从左到右访问)。

广度优先遍历各个节点，需要使用到队列（Queue）这种数据结构，queue的特点是先进先出，其实也可以使用双端队列，区别就是双端队列首位都可以插入和弹出节点。整个遍历过程如下：

首先将A节点插入队列中，queue（A）;
    将A节点弹出，同时将A的子节点B，C插入队列中，此时B在队列首，C在队列尾部，queue（B，C）；
    将B节点弹出，同时将B的子节点D，E插入队列中，此时C在队列首，E在队列尾部，queue（C，D，E）;
    将C节点弹出，同时将C的子节点F，G，H插入队列中，此时D在队列首，H在队列尾部，queue（D，E，F，G，H）；
    将D节点弹出，D没有子节点，此时E在队列首，H在队列尾部，queue（E，F，G，H）；
    ...依次往下，最终遍历完成

Java代码大概如下：

public class TreeNode {
        int val = 0;
        TreeNode left = null;
        TreeNode right = null;
    
        public TreeNode(int val) {
            this.val = val;
        }
    }
    public class Solution {
        public ArrayList<Integer> wide(TreeNode root) {
            ArrayList<Integer> lists=new ArrayList<Integer>();
            if(root==null)
                return lists;
            Queue<TreeNode> queue=new LinkedList<TreeNode>();
            queue.offer(root);
            while(!queue.isEmpty()){
                TreeNode node = queue.poll();
                if(node.left!=null){
                    queue.offer(node.left);
                }
                if(node.right!=null){
                    queue.offer(node.right);
                }
                lists.add(node.val);
    		}
            return lists;
        }
    }

[70]: /images/20220504/dbc3ae70eea448f691161c030462a1f5.png
[70 1]: /images/20220504/d27e0915513a4750891958dcbdab70b3.png