|
| 1 | +今天我们看一道 leetcode hard 难度题目:[二叉树中的最大路径和](https://leetcode.cn/problems/binary-tree-maximum-path-sum/description/)。 |
| 2 | + |
| 3 | +## 题目 |
| 4 | + |
| 5 | +二叉树中的 路径 被定义为一条节点序列,序列中每对相邻节点之间都存在一条边。同一个节点在一条路径序列中 至多出现一次 。该路径 至少包含一个 节点,且不一定经过根节点。 |
| 6 | + |
| 7 | +路径和 是路径中各节点值的总和。 |
| 8 | + |
| 9 | +给你一个二叉树的根节点 `root` ,返回其 最大路径和 。 |
| 10 | + |
| 11 | +示例1: |
| 12 | + |
| 13 | +``` |
| 14 | +输入:root = [1,2,3] |
| 15 | +输出:6 |
| 16 | +解释:最优路径是 2 -> 1 -> 3 ,路径和为 2 + 1 + 3 = 6 |
| 17 | +``` |
| 18 | + |
| 19 | +## 思考 |
| 20 | + |
| 21 | +第一想法是,这道题不安常理出牌,因为路径竟然不是自上而下的,而是可以横向蛇形游走的,如下图: |
| 22 | + |
| 23 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280512728-e5b0c656-1a01-4961-bcb0-aa6b5f8718d2.png"> |
| 24 | + |
| 25 | +## 尝试动态规划 |
| 26 | + |
| 27 | +第二想法是,这种蛇形游走的路径,求路径最大值应该用什么方法?大概率是暴力解法,因为 **必须遍历完所有节点,才知道是否有更大的值的可能性**,而应对暴力解法最好的策略是动态规划,那么应该如何定义状态?经过一番思考,二叉树点到点之间仅有唯一一条路径,如果我们能枚举计算经过每个点的所有可能路径的最大值,那么找到其中最大的就可以得到答案。但可惜的是,以 “点” 为变量没办法写转移方程。 |
| 28 | + |
| 29 | +## 以暴力解法为基础思考 |
| 30 | + |
| 31 | +此时要切换想法,经过一些思考,我决定以正序角度模拟一下寻找最大路径和的思路:首先选择一个起点,找到以该起点开始的最大路径合。那么从该起点就有最多 3 种走法,分别是向根节点走、左子节点、右子节点走: |
| 32 | + |
| 33 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513043-49c59185-a482-48d8-972a-5a35def5df7f.png"> |
| 34 | + |
| 35 | +**最暴力的解法是遍历每个点,把所有方向都走一遍,找到所有可能的最大值。** 这无疑是一个最有效的兜底解法,但效率太低,那么为了提升效率,假设一条路径的最大潜力已经计算过一次了,那么一条新路径经过时,就没必要重新算一遍。**所以我们要寻找每个方向的最大贡献**。 |
| 36 | + |
| 37 | +## 寻找每个方向的最大贡献 |
| 38 | + |
| 39 | +假设我们提前找到了经过每个点的最大贡献如下: |
| 40 | + |
| 41 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513172-bd8531bd-6f92-4e2e-8f9d-9ec726876a62.png"> |
| 42 | + |
| 43 | +根节点的最大贡献 10 的含义为:从 3 向根节点走,所有可能路径能带来的最大正数收益为 10。所以此时最大路径和显然为:5 + 3 + 10 = 18. |
| 44 | + |
| 45 | +但此时矛盾来了,根节点的最大贡献 10 是从 3 向根节点走的角度定义的,它有两个致命问题: |
| 46 | + |
| 47 | +1. 每个节点的最大贡献最好只能有一个数字,依赖方向的话复杂度太高了。 |
| 48 | +2. 如果要依赖方向,那么从根节点右子节点走向根节点的最大贡献,其实依赖从左子结点出发的最大贡献,相互死锁了。 |
| 49 | + |
| 50 | +这种最大贡献几乎不可能找到,再花时间思考只是浪费时间,所以我们要改变策略了。再想想二叉树的特征是什么,怎么样能最稳定的定义每个节点的最大贡献?很容易想到的是以树的深度来定义,即 **以当前节点向子节点遍历时,能带来的最大贡献**。这种最大贡献是比较容易计算的。 |
| 51 | + |
| 52 | +## 每个子树的最大贡献 |
| 53 | + |
| 54 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513452-9ff78c27-9c71-4d4c-816b-6a1c5f7eae5e.png"> |
| 55 | + |
| 56 | +如上图所示,以 8 这个节点的子树,假设通过一系列递归找到,它能提供的最大贡献就是 8,**且这个贡献必须是一条没有分叉的线**,这样这个最大贡献对于它的父节点才有意义,即父节点可以把这个节点连上,形成一条更长的没有分叉的线。如果子线都有分叉,整条线就会存在分叉,就不符合题意了。 |
| 57 | + |
| 58 | +这个 8 很容易计算,从叶子结点向上推,找到最大且大于 0 的子节点连成线即可。 |
| 59 | + |
| 60 | +但回到这道题,如果我们仅仅计算了每个点所在子树的最大贡献,那么其最大值仅是垂直的线中的最大值,没有考虑到该题路径可以横向蛇形游走的特性: |
| 61 | + |
| 62 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513643-9fed61c0-0900-485c-87e3-82a7b2cc6f3d.png"> |
| 63 | + |
| 64 | +如上图所示,红色的数字为以该点开始的子树的最大贡献,那么根节点 32 其实就是红色路径提供的路径和,对于纵向走位来说是最大的,但并不是本题最大的。本题最大的值,还得把下图红色的路径考虑上,变成一个横向的线,此时最大值达到了 32 + 8 = 40: |
| 65 | + |
| 66 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513696-62fb6f05-e87b-45cf-a079-2ca779bea8d9.png"> |
| 67 | + |
| 68 | +**但其实要把线变成横向的,也仅需要多考虑另一个子节点而已**,因为所有子树的最大贡献已经提前算好,根本无需再深入子子节点。也就是说,在计算最大路径和时(重要内容字体加粗!): |
| 69 | + |
| 70 | +1. 经过该点的最大路径和,要同时考虑该点 + 左右子树最大贡献,也就是此时路径会形成类似倒扣的 U 型。 |
| 71 | +2. 但该节点的最大贡献呢,只能考虑该点 + 左 or 右子树最大贡献的,不能形成倒扣的 U 型,因为这个最大贡献需要被其父节点作第 1 条规则时考虑,如果此时已经是倒扣 U 型了,那么父节点再分叉一次倒扣的 U 型,就不是一条线了,可能会形成如下图所示奇怪的形状: |
| 72 | + |
| 73 | +<img width=400 src="https://user-images.githubusercontent.com/7970947/280513879-c46e3635-4a43-40da-9171-95138ca70131.png"> |
| 74 | + |
| 75 | +这就是本题最精彩的思考点。 |
| 76 | + |
| 77 | +## 代码实现 |
| 78 | + |
| 79 | +想通了之后,代码就很简单了: |
| 80 | + |
| 81 | +```ts |
| 82 | +function maxPathSum(root: TreeNode | null): number { |
| 83 | + let maxValue = -Infinity |
| 84 | + |
| 85 | + function maxOneLinePathByNode(node: TreeNode): number { |
| 86 | + // 如果节点为空,返回负无穷,必然不会被最大路径和带上 |
| 87 | + if (node === null) return -Infinity |
| 88 | + |
| 89 | + // 左子树最大贡献(如果为负数则为 0,表示不带上左子树) |
| 90 | + const leftChildMaxValue = Math.max(maxOneLinePathByNode(node.left), 0) |
| 91 | + // 右子树最大贡献 - 同理 |
| 92 | + const rightChildMaxValue = Math.max(maxOneLinePathByNode(node.right), 0) |
| 93 | + |
| 94 | + // 经过该点的最大路径和 |
| 95 | + const currentPointMaxValue = node.val + leftChildMaxValue + rightChildMaxValue |
| 96 | + // 刷新 maxValue |
| 97 | + maxValue = Math.max(maxValue, currentPointMaxValue) |
| 98 | + |
| 99 | + // 返回不分叉的子树最大贡献 |
| 100 | + return node.val + Math.max(leftChildMaxValue, rightChildMaxValue) |
| 101 | + } |
| 102 | + |
| 103 | + maxOneLinePathByNode(root) |
| 104 | + |
| 105 | + return maxValue |
| 106 | +}; |
| 107 | +``` |
| 108 | + |
| 109 | +因为从根节点开始递归,可以算出所有子树的最大贡献,**把经过每一个点的路径都考虑到了**,所以答案是不重不漏的。 |
| 110 | + |
| 111 | +## 总结 |
| 112 | + |
| 113 | +该题有两个难点: |
| 114 | + |
| 115 | +1. 找到子树最大贡献思考方向。 |
| 116 | +2. 子树最大贡献与最大路径和的计算方式稍有不同,需要分别处理。 |
| 117 | + |
| 118 | +最后,在从根节点递归寻找子树最大贡献时,就可以顺便计算出最大路径和,一定程度上是 “目标的副产物”,甚至可以怀疑该题是在思考子树最大贡献时,逆向推导出来的副产物。另一方面,也说明了子树最大贡献的重要性,它的一个衍生计算就可以是一道 hard 题。 |
| 119 | + |
| 120 | +> 讨论地址是:[精读《算法 - 二叉树中的最大路径和》· Issue #504 · dt-fe/weekly](https://github.com/dt-fe/weekly/issues/505) |
| 121 | +
|
| 122 | +**如果你想参与讨论,请 [点击这里](https://github.com/dt-fe/weekly),每周都有新的主题,周末或周一发布。前端精读 - 帮你筛选靠谱的内容。** |
| 123 | + |
| 124 | +> 版权声明:自由转载-非商用-非衍生-保持署名([创意共享 3.0 许可证](https://creativecommons.org/licenses/by-nc-nd/3.0/deed.zh)) |
0 commit comments