JavaScript二叉树及各种遍历算法详情
作者： 一碗周
这篇文章主要介绍了JavaScript二叉树及各种遍历算法详情，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
前言:
上一篇文章中介绍了树的概念、深度优先遍历和广度优先遍历，这篇文章我们来学习一个特殊的树——二叉树。
什么是二叉树
二叉树是每个节点最多只能有两个子节点的树，如下图所示：
一个二叉树具有以下几个特质：
- 第
i层的节点最有只有2^(i-1)个； - 如果这颗二叉树的深度为
k，那二叉树最多有2^k-1个节点； - 在一个非空的二叉树中，若使用
n0表示叶子节点的个数，n2是度为2的非叶子节点的个数，那么两者满足关系n0 = n2 + 1。
满二叉树
如果在一个二叉树中，除了叶子节点，其余的节点的每个度都是2，则说明该二叉树是一个满二叉树，
如下图所示：
满二叉树除了满足普通二叉树特质，还具有如下几个特质：
- 满二叉树的的第
n层具有2^(n-1)个节点； - 深度为
k的满二叉树一定存在2^k-1个节点，叶子节点的个数为2^(k-1)； - 具有
n个节点的满二叉树的深度为log_2^(n+1)。
完全二叉树
如果一个二叉树去掉最后一次层是满二叉树，且最后一次的节点是依次从左到右分布的，则这个二叉树是一个完全二叉树，
如下图所示：
二叉树的存储
存储二叉树的常见方式分为两种，一种是使用数组存储，另一种使用链表存储。
数组存储
使用数组存储二叉树，如果遇到完全二叉树，存储顺序从上到下，从左到右，如下图所示：
如果是一个非完全二叉树，如下图所示：
需要先将其转换为完全二叉树，然后在进行存储，如下图所示：
可以很明显的看到存储空间的浪费。
链表存储
使用链表存储通常将二叉树中的分为3个部分，如下图：
这三个部分依次是左子树的引用，该节点包含的数据，右子树的引用，存储方式如下图所示：
与二叉树相关的算法
以下算法中遍历用到的树如下：
// tree.js
const bt = {
val: 'A',
left: {
val: 'B',
left: { val: 'D', left: null, right: null },
right: { val: 'E', left: null, right: null },
},
right: {
val: 'C',
left: {
val: 'F',
left: { val: 'H', left: null, right: null },
right: { val: 'I', left: null, right: null },
},
right: { val: 'G', left: null, right: null },
},
}
module.exports = bt深度优先遍历
二叉树的深度优先遍历与树的深度优先遍历思路一致，思路如下：
- 访问根节点；
- 访问根节点的
left - 访问根节点的
right - 重复执行第二三步
实现代码如下：
const bt = {
val: 'A',
left: {
val: 'B',
left: { val: 'D', left: null, right: null },
right: { val: 'E', left: null, right: null },
},
right: {
val: 'C',
left: {
val: 'F',
left: { val: 'H', left: null, right: null },
right: { val: 'I', left: null, right: null },
},
right: { val: 'G', left: null, right: null },
},
}
function dfs(root) {
if (!root) return
console.log(root.val)
root.left && dfs(root.left)
root.right && dfs(root.right)
}
dfs(bt)
/** 结果
A B D E C F H I G
*/广度优先遍历
实现思路如下：
- 创建队列，把根节点入队
- 把对头出队并访问
- 把队头的
left和right依次入队 - 重复执行2、3步，直到队列为空
实现代码如下：
function bfs(root) {
if (!root) return
const queue = [root]
while (queue.length) {
const node = queue.shift()
console.log(node.val)
node.left && queue.push(node.left)
node.right && queue.push(node.right)
}
}
bfs(bt)
/** 结果
A B C D E F G H I
*/先序遍历
二叉树的先序遍历实现思想如下：
- 访问根节点;
- 对当前节点的左子树进行先序遍历；
- 对当前节点的右子树进行先序遍历；
如下图所示：
递归方式实现如下：
const bt = require('./tree')
function preorder(root) {
if (!root) return
console.log(root.val)
preorder(root.left)
preorder(root.right)
}
preorder(bt)
/** 结果
A B D E C F H I G
*/迭代方式实现如下：
// 非递归版
function preorder(root) {
if (!root) return
// 定义一个栈，用于存储数据
const stack = [root]
while (stack.length) {
const node = stack.pop()
console.log(node.val)
/* 由于栈存在先入后出的特性，所以需要先入右子树才能保证先出左子树 */
node.right && stack.push(node.right)
node.left && stack.push(node.left)
}
}
preorder(bt)
/** 结果
A B D E C F H I G
*/中序遍历
二叉树的中序遍历实现思想如下：
- 对当前节点的左子树进行中序遍历；
- 访问根节点;
- 对当前节点的右子树进行中序遍历；
如下图所示：
递归方式实现如下：
const bt = require('./tree')
// 递归版
function inorder(root) {
if (!root) return
inorder(root.left)
console.log(root.val)
inorder(root.right)
}
inorder(bt)
/** 结果
D B E A H F I C G
*/迭代方式实现如下：
// 非递归版
function inorder(root) {
if (!root) return
const stack = []
// 定义一个指针
let p = root
// 如果栈中有数据或者p不是null，则继续遍历
while (stack.length || p) {
// 如果p存在则一致将p入栈并移动指针
while (p) {
// 将 p 入栈，并以移动指针
stack.push(p)
p = p.left
}
const node = stack.pop()
console.log(node.val)
p = node.right
}
}
inorder(bt)
/** 结果
D B E A H F I C G
*/后序遍历
二叉树的后序遍历实现思想如下：
- 对当前节点的左子树进行后序遍历；
- 对当前节点的右子树进行后序遍历；
- 访问根节点;
如下图所示：
递归方式实现如下：
const bt = require('./tree')
// 递归版
function postorder(root) {
if (!root) return
postorder(root.left)
postorder(root.right)
console.log(root.val)
}
postorder(bt)
/** 结果
D E B H I F G C A
*/迭代方式实现如下：
// 非递归版
function postorder(root) {
if (!root) return
const outputStack = []
const stack = [root]
while (stack.length) {
const node = stack.pop()
outputStack.push(node)
// 这里先入left需要保证left后出，在stack中后出，就是在outputStack栈中先出
node.left && stack.push(node.left)
node.right && stack.push(node.right)
}
while (outputStack.length) {
const node = outputStack.pop()
console.log(node.val)
}
}
postorder(bt)
/** 结果
D E B H I F G C A
*/到此这篇关于JavaScript二叉树及各种遍历算法详情的文章就介绍到这了,更多相关JavaScript二叉树内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！