博客
关于我
【java】222. 完全二叉树的节点个数-----了解数据结构,快速了解完全树!
阅读量:360 次
发布时间:2019-03-04

本文共 888 字,大约阅读时间需要 2 分钟。

完全二叉树节点数目计算方法

在计算完全二叉树的节点数目时,可以选择以下两种方法:

方法一:递归遍历法

这种方法简单直接,通过递归遍历每个节点来计算总数。具体实现如下:

public int countNodes(TreeNode root) {    if (root == null) return 0;    return countNodes(root.left) + countNodes(root.right) + 1;}

这种方法的时间复杂度是O(n),其中n为树的节点数。它的逻辑简单且容易实现,适用于大多数情况。

方法二:基于深度的计算法

这种方法利用了完全二叉树的高度特性,通过计算左右子树的深度来确定节点数目。具体实现如下:

public int countNodes(TreeNode root) {    if (root == null) return 0;    int hl = depth(root.left);    int hr = depth(root.right);    if (hl == hr) {        return (int) Math.pow(2, hl) + countNodes(root.right);    } else {        return (int) Math.pow(2, hr) + countNodes(root.left);    }}private int depth(TreeNode node) {    int d = 0;    while (node != null) {        node = node.left;        d++;    }    return d;}

这种方法的时间复杂度是O(h),其中h为树的高度,通常比方法一更高效,特别是在处理大树时表现更好。

选择方法的建议

  • 如果树的高度较低且节点数较少,方法一可能更适合。
  • 如果树的高度较高或节点数较多,方法二可能更高效。

通过以上两种方法,可以准确计算完全二叉树的节点数目,满足不同的性能需求。

转载地址:http://ztmq.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>