当前位置: 首页 > news >正文

剑指Offer|LCR 044.在每个树行中找最大值

LCR 044.在每个树行中找最大值

给定一棵二叉树的根节点 root ,请找出该二叉树中每一层的最大值。

示例 1:

输入: root = [1,3,2,5,3,null,9]
输出: [1,3,9]
解释:1/ \3   2/ \   \  5   3   9 

示例 2:

输入: root = [1,2,3]
输出: [1,3]
解释:1/ \2   3

示例 3:

输入: root = [1]
输出: [1]

示例 4:

输入: root = [1,null,2]
输出: [1,2]
解释:      1 \2     

示例 5:

输入: root = []
输出: []

提示:

  • 二叉树的节点个数的范围是 [0,104]
  • -231 <= Node.val <= 231 - 1

法1:队列

分析:

初始化变量:当前层数的节点数current,下一层的节点数量next均为0,定义空的queue

root不为空,直接加入队列。current设置为1个结点。

遍历queue,将root出队列,求出当前层次最大值,如果有左右孩子的话,就将左右孩子入队列,孩子是下一层节点,所以next需要++。当current为0的话,说明这一层的结点数遍历完了,所以将max也就是这一层的最大值存入result中,更新一下max、current和next。

var largestValues = function(root) {let current = 0; // 当前层数的节点数let next = 0; // 下一层的节点数量let queue = []; // 用来存放待遍历的节点if (root !== null) {queue.push(root);current = 1;}let result = [];let max = -Infinity;// 广度优先遍历整个树while (queue.length > 0) {let node = queue.shift();current--;max = Math.max(max, node.val);if (node.left !== null) {queue.push(node.left);next++;}if (node.right !== null) {queue.push(node.right);next++;}if (current === 0) {result.push(max);max = -Infinity;current = next;next = 0;}}return result;
};
http://www.lryc.cn/news/526109.html

相关文章:

  • PWM信号概述
  • 关于BAR(PCIE BAR或AXI BAR)的解释
  • 计算机的错误计算(二百二十一)
  • 【力扣Hot 100】矩阵1
  • 移动端VR处理器和传统显卡的不同
  • 「 机器人 」利用数据驱动模型替代仿真器:加速策略训练并降低硬件依赖
  • MATLAB 如何避免复杂shp文件对inpolygon的影响
  • 【2024年华为OD机试】 (C卷,200分)- 贪吃的猴子(JavaScriptJava PythonC/C++)
  • PostgreSQL中级专家是什么意思?
  • 从根源分析,调试,定位和解决MacOS ld: unsupported tapi file type ‘!tapi-tbd‘ in YAML file
  • 【Uniapp-Vue3】previewImage图片预览
  • doris:Insert Into Values
  • 15 分布式锁和分布式session
  • 迅为RK3568开发板篇OpenHarmony实操HDF驱动控制LED-添加内核编译
  • C语言练习(23)
  • LabVIEW 太阳能光伏发电系统智能监控
  • 大唐杯赛道一国一备赛思路
  • 用户中心项目教程(五)---MyBatis-Plus完成后端初始化+测试方法
  • 深圳市云盟智慧科技有限公司智慧停车管理系统 SQL注入漏洞复现(附脚本)
  • PySide(PyQT)进行SQLite数据库编辑和前端展示的基本操作
  • 利用 SAM2 模型探测卫星图像中的农田边界
  • 前端路由的hash模式和history模式
  • 日志收集Day005
  • 代码随想录 二叉树 test 2
  • 浏览器默认语言与页面访问统计问题二三则
  • 用Python绘制一只懒羊羊
  • 虹科分享 | 汽车NVH小课堂之听音辨故障
  • 论文速读|SigLIP:Sigmoid Loss for Language Image Pre-Training.ICCV23
  • 深度学习笔记——循环神经网络之LSTM
  • 算法整理:2-opt求解旅行商(Python代码)