news 2026/3/26 7:45:01

力扣刷题之102、二叉树的层序遍历

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
力扣刷题之102、二叉树的层序遍历

力扣刷题之102、二叉树的层序遍历

题目难度:中等
标签:树、广度优先搜索(BFS)、二叉树


题目描述

给你二叉树的根节点root,返回其节点值的层序遍历。(即逐层地,从左到右访问所有节点)。

示例:

输入root = [3,9,20,null,null,15,7]
输出[[3],[9,20],[15,7]]

输入root = [1]
输出:``

输入root = []
输出[]


解题思路

层序遍历是广度优先搜索(BFS)在二叉树中的典型应用。与深度优先搜索(DFS)不同,BFS 按“层”处理节点,非常适合用队列(Queue)来实现。

核心思想:

  • 使用队列存储待访问的节点。
  • 每次处理当前层的所有节点(通过记录当前队列大小)。
  • 将当前层节点值存入一个列表,再将该列表加入最终结果。
  • 同时把下一层的左右子节点加入队列,为下一轮做准备。

关键点:不能直接用queue.size()作为 for 循环条件,因为队列在循环中会动态变化。必须提前保存当前层的节点数量!


代码实现(Java)

/** * Definition for a binary tree node. * public class TreeNode { * int val; * TreeNode left; * TreeNode right; * TreeNode() {} * TreeNode(int val) { this.val = val; } * TreeNode(int val, TreeNode left, TreeNode right) { * this.val = val; * this.left = left; * this.right = right; * } * } */classSolution{publicList<List<Integer>>levelOrder(TreeNoderoot){//创建结果列表,用于存储每一次的节点值List<List<Integer>>result=newArrayList<>();//边界情况:如果根节点为空,直接返回空列表if(root==null){returnresult;}//创建队列,用于BFS的起点Queue<TreeNode>queue=newLinkedList<>();queue.offer(root);//当队列不为空时,继续处理while(!queue.isEmpty()){//获取当前层的节点数量intlevelsize=queue.size();//创建列表存储当前层的所有节点值List<Integer>current=newArrayList<>();//处理当前层的所有节点for(inti=0;i<levelsize;i++){//从队列头部取出一个节点TreeNodeNode=queue.poll();//将当前节点的值添加到当前层的结果列表current.add(Node.val);//如果左子节点存在,将其加入到队列中if(Node.left!=null){queue.offer(Node.left);}//如果右子节点存在,将其加入到队列中if(Node.right!=null){queue.offer(Node.right);}}//将当前层的结果添加到最终结果列表中result.add(current);}//返回层序遍历的结果returnresult;}}

复杂度分析

  • 时间复杂度O(n)
    每个节点被访问一次,n 为树中节点总数。

  • 空间复杂度O(n)
    最坏情况下(完全二叉树),队列中最多存储约 n/2 个节点(最后一层)。


总结

层序遍历是树类问题的基础技能,掌握 BFS + 队列的写法,能轻松应对一大类“按层处理”的题目。所以要记住:先记录当前层大小,再循环处理,这是避免逻辑错误的关键!


版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/19 0:48:46

LobeChat自动补全与流式输出体验优化技巧分享

LobeChat自动补全与流式输出体验优化技巧分享 在构建现代AI对话系统时&#xff0c;用户对“响应速度”和“交互自然度”的期待早已超越了简单的问答功能。我们不再满足于点击发送后等待几秒才看到整段回复——那种体验像是在和一台缓慢加载的终端通信&#xff0c;而非与一个智能…

作者头像 李华
网站建设 2026/3/16 2:31:28

HuggingFace镜像网站加速下载Qwen3-8B实战经验分享

HuggingFace镜像网站加速下载Qwen3-8B实战经验分享 在大模型开发的日常中&#xff0c;最让人抓狂的瞬间之一莫过于&#xff1a;你兴致勃勃地打开终端&#xff0c;准备加载最新的 Qwen3-8B 模型做一次推理实验&#xff0c;结果 from_pretrained 卡在“Downloading”状态&#x…

作者头像 李华
网站建设 2026/3/22 1:35:11

LobeChat能否实现多实例集群部署?横向扩展能力评估

LobeChat 的多实例集群部署可行性与横向扩展能力深度评估 在大语言模型&#xff08;LLM&#xff09;逐渐从实验性工具走向企业级应用的今天&#xff0c;AI 聊天界面不再只是个人开发者手中的“玩具”&#xff0c;而是越来越多地承担起团队协作、客户服务和知识管理的核心角色。…

作者头像 李华
网站建设 2026/3/20 3:36:24

AutoGPT能为个人开发者带来什么价值?真实案例分享

AutoGPT能为个人开发者带来什么价值&#xff1f;真实案例分享 在智能家居设备日益复杂的今天&#xff0c;确保无线连接的稳定性已成为一大设计挑战。类似地&#xff0c;在软件开发的世界里&#xff0c;我们正面临另一个结构性转变&#xff1a;如何让AI从“被动应答”变成“主动…

作者头像 李华
网站建设 2026/3/24 1:39:14

对比tensorflow,从0开始学pytorch(五)--CBAM

CBAM 通道注意力&#xff08;两种SENet--GAPGMP的组合&#xff09;空间注意力CBAM是深度学习里程碑式的产物&#xff0c;但代码非常简单&#xff0c;其实就是一个概念&#xff1a;给模型增加可训练可学习的参数矩阵。有了SENet的经验&#xff0c;CBAM1个小时就搞定了&#xff…

作者头像 李华