二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看二叉树的遍历详解AProgrammer微信公众号:AProgrammer​关注他概述二叉树的遍历是一个很常见的问题。二叉树的遍历方式主要有:先序遍历、中序遍历、后序遍历、层次遍历。先序、中序、后序其实指的是父节点被访问的次序。若在遍历过程中,父节点先于它的子节点被访问,就是先序遍历;父节点被访问的次序位于左右孩子节点之间,就是中序遍历;访问完左右孩子节点之后再访问父节点,就是后序遍历。不论是先序遍…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

概述

二叉树的遍历是一个很常见的问题。二叉树的遍历方式主要有:先序遍历、中序遍历、后序遍历、层次遍历。先序、中序、后序其实指的是父节点被访问的次序。若在遍历过程中,父节点先于它的子节点被访问,就是先序遍历;父节点被访问的次序位于左右孩子节点之间,就是中序遍历;访问完左右孩子节点之后再访问父节点,就是后序遍历。不论是先序遍历、中序遍历还是后序遍历,左右孩子节点的相对访问次序是不变的,总是先访问左孩子节点,再访问右孩子节点。而层次遍历,就是按照从上到下、从左向右的顺序访问二叉树的每个节点。

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

在介绍遍历算法之前,先定义一个二叉树的结构体。使用的是 C++ 语言。

//filename: BinTreeNode.h template <typename T> struct BinTreeNode { 
    
    T data; //数据域     BinTreeNode * LeftChild; //左孩子节点指针     BinTreeNode * RightChild; //右孩子节点指针     BinTreeNode * parent; //父节点指针 };

先序遍历

递归

使用递归,很容易写出一个遍历算法。代码如下:

//filename: BinTreeNode.h template <typename T>
void travPre_R(BinTreeNode<T> * root) { 
    //二叉树先序遍历算法(递归版)     if (!root) return;
    cout << root->data;
    travPre_R(root->LeftChild);
    travPre_R(root->RightChild);
}

迭代

在之前的文章中,我不止一次地说过,递归是很耗费计算机资源的,所以我们在写程序的时候要尽量避免使用递归。幸运的是,绝大部分递归的代码都有相应的迭代版本。那么我们就试着将上述递归代码改写成迭代的版本。改写之后,代码如下:

//filename: BinTreeNode.h template <typename T>
void travPre_I1(BinTreeNode<T> * root) { 
    //二叉树先序遍历算法(迭代版#1)     Stack<BinTreeNode<T>*> s; //辅助栈     if (root) //如果根节点不为空         s.push(root); //则令根节点入栈     while (!s.empty()) { 
     //在栈变空之前反复循环         root = s.pop(); cout << root->data; //弹出并访问当前节点 
        //下面左右孩子的顺序不能颠倒,必须先让右孩子先入栈,再让左孩子入栈。         if (root->RightChild)
            s.push(root->RightChild); //右孩子先入后出         if (root->LeftChild)
            s.push(root->LeftChild); //左孩子后入先出     }
}

下面我们通过一个实例来了解一下该迭代版本是如何工作的。

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

PS:黑色的元素表示已经被弹出并访问过。

结合代码,该二叉树的先序遍历过程如下:

  1. 初始化一个空栈。
  2. 根节点入栈,此时将 a 入栈。
  3. 循环开始,弹出并访问栈顶元素,此时栈顶元素是 a。
  4. 如果 a 有右孩子,则将其右孩子节点入栈;如果 a 有左孩子,则将其左孩子节点入栈。此时栈中有 b、c 两个元素。
  5. 这时进入下一轮循环。弹出并访问栈顶元素,此时栈顶元素是 b。经检查,b 没有右孩子,也没有左孩子,进入下一轮循环。
  6. 弹出并访问栈顶元素,此时栈顶元素是 c。c 的右孩子是 f,左孩子是 d,故分别将 d、f 入栈。进入下一轮循环。
  7. 此时栈中的元素是 d、f。
  8. 弹出并访问栈顶元素,此时栈顶元素是 d。d 的右孩子是 e,d 没有左孩子,故将 e 入栈。进入下一轮循环。
  9. 此时栈中的元素是 e、f。
  10. 弹出并访问栈顶元素,此时栈顶元素是 e。e 没有左右孩子,进入下一轮循环。
  11. 弹出并访问栈顶元素,此时栈顶元素是 f。f 没有左右孩子,进入下一轮循环。
  12. 此时栈为空,退出循环。遍历结束。

这个迭代的遍历算法非常简明,但是很遗憾,这种算法并不容易推广到我们接下来要研究的中序遍历和后序遍历。因此我问需要寻找另一种策略。

第 2 种迭代方式

我们来看一个规模更大、更具一般性的二叉树:

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

这个二叉树的先序遍历序列是:idcabhfeglkjnmpo,也就是遵循了下图所示的顺序:

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

再进一步,我们把二叉树抽象成下面这个样子,

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看
二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

L_0 ~ L_d 是二叉树的左侧链上的节点, R_0 ~ R_d 分别是 L_0 ~ L_d 的右孩子,T_0 ~ T_d 分别是 L_0 ~ L_d 的右子树。不难发现,二叉树的先序遍历就是先自上而下访问左侧链上的节点,再自下而上访问左侧链上的节点的右子树。而我们的遍历算法,就是根据这样一个思路来进行设计。

首先需要实现一个子方法,就是访问二叉树左侧链上的节点:

//从当前节点出发,沿左分支不断深入,直至没有左分支的节点;沿途节点遇到后立即访问 template <typename T> //元素类型、操作器 static void visitAlongLeftBranch ( BinTreeNode<T>* x, Stack<BinTreeNode<T>*>& S ) { 
    
   while ( x ) { 
    
      cout << x->data; //访问当前节点       if( x->RightChild )
           S.push ( x->RightChild ); //右孩子入栈暂存(可优化:通过判断,避免空的右孩子入栈)       x = x->LeftChild;  //沿左分支深入一层    }
}

然后是主方法,在主方法中,通过迭代,不断地调用上面这个子方法,从而实现完整的二叉树先序遍历。

template <typename T> //元素类型、操作器 void travPre_I2 ( BinTreeNode<T>* root) { 
     //二叉树先序遍历算法(迭代版#2)    Stack<BinTreeNode<T>*> S; //辅助栈    while ( true ) { 
    
      visitAlongLeftBranch ( root, S ); //从当前节点出发,逐批访问       if ( S.empty() ) break; //直到栈空       root = S.pop(); //弹出下一批的起点    }
}

中序遍历

递归

与先序遍历类似,递归版的中序遍历算法很容易实现,代码如下:

template <typename T>
void travIn_R(BinTreeNode<T> * root) { 
    //二叉树先序遍历算法(递归版)     if (!root)
        return;
    travPre_R(root->LeftChild);
    cout << root->data;
    travPre_R(root->RightChild);
}

递归代码不仅容易实现,也很好理解,这里不再做过多解释。

迭代

参照迭代式先序遍历版本 2 的思路,在宏观上,我们可以将中序遍历的顺序抽象为,先访问二叉树的左侧链上的最底部的节点,然后访问该节点的右子树(如果有的话),然后访问该节点的父节点,然后访问该节点的父节点的右子树(如果有的话)……直至全部节点被访问完毕。如下图所示:

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

按照以上思路,可以实现迭代版中序遍历算法如下:

template <typename T> //从当前节点出发,沿左分支不断深入,直至没有左分支的节点 static void goAlongLeftBranch ( BinTreeNode<T> * x, Stack<BinTreeNode<T> * >& S ) { 
    
    while (x) { 
     S.push(x); x = x->LeftChild; } //当前节点入栈后随即向左侧分支深入,迭代直到无左孩子 }

template <typename T> //元素类型、操作器
void travIn_I(BinTreeNode<T> root) {
//二叉树先序遍历算法(迭代版)
Stack<BinTreeNode<T> > S; //辅助栈
while ( true ) {

goAlongLeftBranch ( root, S ); //从当前节点出发,逐批入栈
if ( S.empty() ) break; //直至所有节点处理完毕
root = S.pop();
cout << root->data; //弹出栈顶节点并访问之
root = root->RightChild; //转向右子树
}
}

也可以对代码稍加改进,将这两个方法写成一个方法:

template <typename T> //元素类型
void travIn_I2 ( BinTreeNode<T> root ) { //二叉树中序遍历算法(迭代版#2)
Stack<BinTreeNode<T>> S; //辅助栈
while ( true )
if ( root ) {
S.push ( root ); //根节点进栈
root = root->LeftChild; //深入遍历左子树
} else if ( !S.empty() ) {
root = S.pop(); //尚未访问的最低祖先节点退栈
cout << root->data; //访问该祖先节点
root = root->RightChild; //遍历祖先的右子树
} else
break; //遍历完成
}

后序遍历

递归

与前两个一样,二叉树的后序遍历算法可以很容易地用递归的方式实现。

template <typename T>
void travPost_R(BinTreeNode<T> root) { //二叉树先序遍历算法(递归版)
if (!root)
return;
travPost_R(root->LeftChild);
travPost_R(root->RightChild);
cout << root->data;
}

迭代

但是要想用迭代的方式实现后序遍历算法,则有一定的难度,因为左、右子树的递归遍历均严格地不属于尾递归。不过,仍可继续套用此前的思路和技巧,考虑一下,后序遍历中,首先访问的是哪个节点?答案就是二叉树的最高最左侧的叶子节点。

二叉树的先序遍历和中序遍历_二叉树后序遍历怎么看

由于最高最左侧的叶子节点 V 可能是左孩子节点,也可能是右孩子节点,所以 V 与其父节点之间的联接用竖直的线表示。考查联接于 V 与树根之间的唯一通路(以粗线示意)。与先序与中序遍历类似地,自底而上地沿着该通路,整个后序遍历序列也可以分解为若干个片段。每一片段,分别起始于通路上的一个节点,并包括三步:访问当前节点,遍历以其右兄弟(若存在)为根的子树,以及向上回溯至其父亲节点(若存在)并转入下一片段。

基于以上理解,即可写出迭代式后序遍历算法。

template <typename T> //在以S栈顶节点为根的子树中,找到最高左侧叶节点
static void gotoHLVFL ( Stack<BinTreeNode<T>>& S ) { //沿途所遇节点依次入栈
while ( BinTreeNode<T>* x = S.top() ) //自顶而下,反复检查当前节点(即栈顶)
if ( x->LeftChild ) { //尽可能向左
if ( x->RightChild ) S.push ( x->RightChild ); //若有右孩子,优先入栈
S.push ( x->LeftChild ); //然后才转至左孩子
} else //实不得已
S.push ( x->RightChild ); //才向右
S.pop(); //返回之前,弹出栈顶的空节点
}

template <typename T>
void travPost_I ( BinTreeNode<T> root ) {
//二叉树的后序遍历(迭代版)
Stack<BinTreeNode<T>> S; //辅助栈
if ( root ) S.push ( root ); //根节点入栈
while ( !S.empty() ) {

if ( S.top() != root->parent ) //若栈顶非当前节点之父(则必为其右兄),此时需
gotoHLVFL ( S ); //在以其右兄为根之子树中,找到HLVFL(相当于递归深入其中)
root = S.pop(); cout << root->data; //弹出栈顶(即前一节点之后继),并访问之
}
}

层次遍历

在文章开头我们已经对层次遍历做了介绍,层次遍历严格按照自上而下、自左向右的顺序访问树的节点。所以我们需要用队列作为辅助,具体代码如下:

template <typename T> //元素类型
void travLevel ( BinTreeNode<T> root ) { //二叉树层次遍历算法
Queue<BinTreeNode<T>> Q; //辅助队列
Q.enqueue ( root ); //根节点入队
while ( !Q.empty() ) { //在队列再次变空之前,反复迭代
BinTreeNode<T>* x = Q.dequeue(); cout << x->data; //取出队首节点并访问之
if ( x->LeftChild ) Q.enqueue ( x->LeftChild ); //左孩子入队
if ( x->RightChild ) Q.enqueue ( x->RightChild ); //右孩子入队
}
}

好了,以上就是二叉树的几种常见的遍历方式。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/193981.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • uint和int的区别_int32和uint32

    uint和int的区别_int32和uint32本次测试的环境是Mac系统下,CPU64位。注意:go语言中的int的大小是和操作系统位数相关的;如果是32位操作系统,int类型的大小就是4字节;如果是64位操作系统,int类型的大小就是8个字节1、测试不同int类型占用字节数大小1.1、测试有符号int类型import( “testing” “unsafe” “math” “fmt”)funcTestIntSize(t*testing.T){ fmt.Println(“不同int类型占用的字节数大小:”)

  • 一级域名与二级域名有啥区别

    一级域名与二级域名有啥区别

    2021年10月21日
  • php中的<?= ?>和<?php ?>有什么区别么?

    php中的<?= ?>和<?php ?>有什么区别么?

  • app测试用什么工具(目前软件测试工具)

    UI自动化测试工具1.uiautomator2 Github地址:https://github.com/openatx/uiautomator2 star:1.9k 介绍:openatx开源的ui自动化工具,支持android和ios。主要面向的编程语言是python,api设计简洁易用,在开源社区也是很受欢迎。 原理图: 与appium…

  • ZDH大数据采集平台-采集mysql数据到hdfs

    ZDH大数据采集平台-采集mysql数据到hdfs目录项目源码创建mysql数据源创建本地hdfs数据源配置采集任务配置调度点击执行记录查看具体日志高级使用项目源码数据采集平台管理端https://github.com/zhaoyachao/zdh_web数据采集平台服务https://github.com/zhaoyachao/zdh_serverweb端在线查看http://zycblog.cn:8081/login用户名:zyc密码:123456界面只是为了参考功能,底层的数据.

  • Canny算子边缘检测原理及实现

    Canny算子边缘检测原理及实现写在前面Canny边缘检是在在1986年提出来的,到今天已经30多年过去了,但Canny算法仍然是图像边缘检测算法中最经典、先进的算法之一。相比Sobel、Prewitt等算子,Canny算法更为优异。Sobel、Prewitt等算子有如下缺点:没有充分利用边缘的梯度方向。 最后得到的二值图,只是简单地利用单阈值进行处理。而Canny算法基于这两点做了改进,提出了:基于边缘梯度…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号