leetcode--层数最深叶子节点的和

leetcode地址:层数最深叶子节点的和
给你一棵二叉树的根节点 root ,请你返回 层数最深的叶子节点的和 。
示例 1:

在这里插入图片描述

输入:root = [1,2,3,4,5,null,6,7,null,null,null,null,8]
输出:15
示例 2:

输入:root = [6,7,8,2,7,1,3,9,null,1,4,null,null,null,5]
输出:19

提示:

树中节点数目在范围 [1, 104] 之间。
1 <= Node.val <= 100

实现思路

广度优先搜索(BFS):

使用队列进行层次遍历,逐层扫描树。
每次进入新的一层时,重置当前层的和。
记录当前层的叶子节点和,直到遍历完整棵树。
深度优先搜索(DFS):

使用递归方法,记录每个节点的层数。
通过递归遍历树,更新当前层数和最深层叶子节点和。
返回最深层叶子节点和。

代码详解

广度优先搜索(BFS)
使用广度优先搜索(BFS)遍历树,每次进入新的一层时,重置当前层的和,并累加当前层的叶子节点值,直到遍历完整棵树。

from collections import deque

# 定义二叉树节点类
class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right

# BFS方法返回层数最深的叶子节点的和
def deepestLeavesSumBFS(root):
    if not root:
        return 0

    queue = deque([root])
    while queue:
        level_sum = 0
        for _ in range(len(queue)):
            node = queue.popleft()
            level_sum += node.val
            if node.left:
                queue.append(node.left)
            if node.right:
                queue.append(node.right)
    return level_sum

# 测试示例
if __name__ == "__main__":
    # 创建测试二叉树
    #        1
    #       / \
    #      2   3
    #     / \   \
    #    4   5   6
    #   /       / \
    #  7       8   9
    root = TreeNode(1)
    root.left = TreeNode(2)
    root.right = TreeNode(3)
    root.left.left = TreeNode(4)
    root.left.right = TreeNode(5)
    root.right.right = TreeNode(6)
    root.left.left.left = TreeNode(7)
    root.right.right.left = TreeNode(8)
    root.right.right.right = TreeNode(9)

    result = deepestLeavesSumBFS(root)
    print("层数最深的叶子节点的和 (BFS):", result)  # 应该输出24

深度优先搜索(DFS)
使用深度优先搜索(DFS)遍历树,记录每个节点的层数。通过递归遍历树,更新当前层数和最深层叶子节点和。

# 定义二叉树节点类
class TreeNode:
    def __init__(self, val=0, left=None, right=None):
        self.val = val
        self.left = left
        self.right = right

# DFS方法返回层数最深的叶子节点的和
def deepestLeavesSumDFS(root):
    if not root:
        return 0

    max_depth = -1
    sum_at_max_depth = 0

    def dfs(node, depth):
        nonlocal max_depth, sum_at_max_depth
        if not node:
            return

        # 如果是叶子节点
        if not node.left and not node.right:
            if depth > max_depth:
                max_depth = depth
                sum_at_max_depth = node.val
            elif depth == max_depth:
                sum_at_max_depth += node.val
        else:
            dfs(node.left, depth + 1)
            dfs(node.right, depth + 1)

    dfs(root, 0)
    return sum_at_max_depth

# 测试示例
if __name__ == "__main__":
    # 创建测试二叉树
    #        1
    #       / \
    #      2   3
    #     / \   \
    #    4   5   6
    #   /       / \
    #  7       8   9
    root = TreeNode(1)
    root.left = TreeNode(2)
    root.right = TreeNode(3)
    root.left.left = TreeNode(4)
    root.left.right = TreeNode(5)
    root.right.right = TreeNode(6)
    root.left.left.left = TreeNode(7)
    root.right.right.left = TreeNode(8)
    root.right.right.right = TreeNode(9)

    result = deepestLeavesSumDFS(root)
    print("层数最深的叶子节点的和 (DFS):", result)  # 应该输出24

go实现

广度优先搜索(BFS)

package main

import (
	"fmt"
)

// TreeNode 定义二叉树节点
type TreeNode struct {
	Val   int
	Left  *TreeNode
	Right *TreeNode
}

// deepestLeavesSumBFS 使用广度优先搜索(BFS)返回层数最深的叶子节点的和
func deepestLeavesSumBFS(root *TreeNode) int {
	if root == nil {
		return 0
	}

	queue := []*TreeNode{root}
	var levelSum int

	for len(queue) > 0 {
		levelSum = 0
		qLen := len(queue)
		for i := 0; i < qLen; i++ {
			node := queue[0]
			queue = queue[1:]
			levelSum += node.Val
			if node.Left != nil {
				queue = append(queue, node.Left)
			}
			if node.Right != nil {
				queue = append(queue, node.Right)
			}
		}
	}
	return levelSum
}

// 测试示例
func main() {
	// 创建测试二叉树
	//        1
	//       / \
	//      2   3
	//     / \   \
	//    4   5   6
	//   /       / \
	//  7       8   9
	root := &TreeNode{Val: 1}
	root.Left = &TreeNode{Val: 2}
	root.Right = &TreeNode{Val: 3}
	root.Left.Left = &TreeNode{Val: 4}
	root.Left.Right = &TreeNode{Val: 5}
	root.Right.Right = &TreeNode{Val: 6}
	root.Left.Left.Left = &TreeNode{Val: 7}
	root.Right.Right.Left = &TreeNode{Val: 8}
	root.Right.Right.Right = &TreeNode{Val: 9}

	result := deepestLeavesSumBFS(root)
	fmt.Printf("层数最深的叶子节点的和 (BFS): %d\n", result) // 应该输出24
}

深度优先搜索(DFS)

package main

import (
	"fmt"
)

// TreeNode 定义二叉树节点
type TreeNode struct {
	Val   int
	Left  *TreeNode
	Right *TreeNode
}

// deepestLeavesSumDFS 使用深度优先搜索(DFS)返回层数最深的叶子节点的和
func deepestLeavesSumDFS(root *TreeNode) int {
	if root == nil {
		return 0
	}

	var maxDepth int
	var sumAtMaxDepth int

	var dfs func(node *TreeNode, depth int)
	dfs = func(node *TreeNode, depth int) {
		if node == nil {
			return
		}

		// 如果是叶子节点
		if node.Left == nil && node.Right == nil {
			if depth > maxDepth {
				maxDepth = depth
				sumAtMaxDepth = node.Val
			} else if depth == maxDepth {
				sumAtMaxDepth += node.Val
			}
		} else {
			dfs(node.Left, depth+1)
			dfs(node.Right, depth+1)
		}
	}

	dfs(root, 0)
	return sumAtMaxDepth
}

// 测试示例
func main() {
	// 创建测试二叉树
	//        1
	//       / \
	//      2   3
	//     / \   \
	//    4   5   6
	//   /       / \
	//  7       8   9
	root := &TreeNode{Val: 1}
	root.Left = &TreeNode{Val: 2}
	root.Right = &TreeNode{Val: 3}
	root.Left.Left = &TreeNode{Val: 4}
	root.Left.Right = &TreeNode{Val: 5}
	root.Right.Right = &TreeNode{Val: 6}
	root.Left.Left.Left = &TreeNode{Val: 7}
	root.Right.Right.Left = &TreeNode{Val: 8}
	root.Right.Right.Right = &TreeNode{Val: 9}

	result := deepestLeavesSumDFS(root)
	fmt.Printf("层数最深的叶子节点的和 (DFS): %d\n", result) // 应该输出24
}

Kotlin实现

广度优先搜索(BFS)

import java.util.LinkedList
import java.util.Queue

// 定义二叉树节点类
class TreeNode(var `val`: Int) {
    var left: TreeNode? = null
    var right: TreeNode? = null
}

// BFS方法返回层数最深的叶子节点的和
fun deepestLeavesSumBFS(root: TreeNode?): Int {
    if (root == null) return 0

    var sum = 0
    val queue: Queue<TreeNode> = LinkedList()
    queue.add(root)

    // 广度优先搜索(BFS)
    while (queue.isNotEmpty()) {
        sum = 0 // 重置当前层的和
        val size = queue.size
        for (i in 0 until size) {
            val node = queue.poll()
            sum += node.`val` // 累加当前层节点的值

            // 将左右子节点加入队列
            node.left?.let { queue.add(it) }
            node.right?.let { queue.add(it) }
        }
    }
    return sum
}

// 测试示例
fun main() {
    // 创建测试二叉树
    //        1
    //       / \
    //      2   3
    //     / \   \
    //    4   5   6
    //   /       / \
    //  7       8   9
    val root = TreeNode(1)
    root.left = TreeNode(2)
    root.right = TreeNode(3)
    root.left?.left = TreeNode(4)
    root.left?.right = TreeNode(5)
    root.right?.right = TreeNode(6)
    root.left?.left?.left = TreeNode(7)
    root.right?.right?.left = TreeNode(8)
    root.right?.right?.right = TreeNode(9)

    val result = deepestLeavesSumBFS(root)
    println("层数最深的叶子节点的和 (BFS): $result") // 应该输出24
}

深度优先搜索(DFS)

// 定义二叉树节点类
class TreeNode(var `val`: Int) {
    var left: TreeNode? = null
    var right: TreeNode? = null
}

// DFS方法返回层数最深的叶子节点的和
fun deepestLeavesSumDFS(root: TreeNode?): Int {
    if (root == null) return 0

    var maxDepth = -1
    var sumAtMaxDepth = 0

    fun dfs(node: TreeNode?, depth: Int) {
        if (node == null) return

        // 如果是叶子节点
        if (node.left == null && node.right == null) {
            if (depth > maxDepth) {
                maxDepth = depth
                sumAtMaxDepth = node.`val`
            } else if (depth == maxDepth) {
                sumAtMaxDepth += node.`val`
            }
        } else {
            dfs(node.left, depth + 1)
            dfs(node.right, depth + 1)
        }
    }

    dfs(root, 0)
    return sumAtMaxDepth
}

// 测试示例
fun main() {
    // 创建测试二叉树
    //        1
    //       / \
    //      2   3
    //     / \   \
    //    4   5   6
    //   /       / \
    //  7       8   9
    val root = TreeNode(1)
    root.left = TreeNode(2)
    root.right = TreeNode(3)
    root.left?.left = TreeNode(4)
    root.left?.right = TreeNode(5)
    root.right?.right = TreeNode(6)
    root.left?.left?.left = TreeNode(7)
    root.right?.right?.left = TreeNode(8)
    root.right?.right?.right = TreeNode(9)

    val result = deepestLeavesSumDFS(root)
    println("层数最深的叶子节点的和 (DFS): $result") // 应该输出24
}

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。如若转载,请注明出处:/a/788195.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SpringSecurity中文文档(Servlet Method Security)

Method Security 除了在请求级别进行建模授权之外&#xff0c;Spring Security 还支持在方法级别进行建模。 您可以在应用程序中激活它&#xff0c;方法是使用EnableMethodSecurity 注释任何Configuration 类&#xff0c;或者将 < method-security > 添加到任何 XML 配…

c++ learn third day

1.津津的储蓄计划 参考&#xff1a;http://t.csdnimg.cn/XI1HV 记得最后加上num&#xff01;&#xff01;&#xff01; #include<stdio.h> int main() {int arr[13]{0};int num0,i0,j;double sum0;for(j1;j<12;j){scanf("%d",&arr[j]);}for(i1;i<…

【UML用户指南】-32-对体系结构建模-部署图

目录 1、对嵌入式系统建模 2、对客户/服务器系统建模 3、对全分布式系统建模 部署图展示运行时进行处理的结点和在结点上生存的制品的配置。 部署图用来对系统的静态部署视图建模。 在UML中&#xff0c;可以 1&#xff09;利用类图和制品图来思考软件的结构&#xff0c; …

亚信安全新一代终端安全TrustOne2024年重磅升级

以极简新主义为核心&#xff0c;亚信安全新一代终端安全TrustOne自2023年发布以来&#xff0c;带动了数字化终端安全的革新。60%&#xff0c;安装部署及管理效率的提升&#xff1b;50%&#xff0c;安全管理资源的节省&#xff1b;100%&#xff0c;信创非信创场景的全覆盖。Trus…

leetcode hot100

哈希 49.字母异位词分组 HashMap的含义比较晕&#xff0c;可以重做 双指针 11.盛最多水的容器 双指针的起始位置和移动条件没转过来&#xff0c;可以重做 15.三数之和 不太熟练&#xff0c;可以再做一遍 42.接雨水 还可以用dp和单调栈做 双指针法&#xff1a; 首先需要注意…

Linux-多线程

线程的概念 在一个程序里的一个执行路线就叫做线程&#xff08;thread&#xff09;。更准确的定义是&#xff1a;线程是“一个进程内部的控制序列”一切进程至少都有一个执行线程线程在进程内部运行&#xff0c;本质是在进程地址空间内运行在Linux系统中&#xff0c;在CPU眼中…

人话学Python-基础篇-字符串

一&#xff1a;字符串的定义 在Python中使用引号来定义。不论是单引号还是双引号。 str1 Hello World str2 "Hello World" 二&#xff1a;字符串的访问 如果我们要取出字符串中单独的字符&#xff0c;需要使用方括号来表示取得的位置。如果要取出字符串的子串&…

代理详解之静态代理、动态代理、SpringAOP实现

1、代理介绍 代理是指一个对象A通过持有另一个对象B&#xff0c;可以具有B同样的行为的模式。为了对外开放协议&#xff0c;B往往实现了一个接口&#xff0c;A也会去实现接口。但是B是“真正”实现类&#xff0c;A则比较“虚”&#xff0c;他借用了B的方法去实现接口的方法。A…

救生拉网的使用方法及注意事项_鼎跃安全

水域救援在夏季尤为重要&#xff0c;随着气温的升高&#xff0c;人们更倾向于参与水上活动&#xff0c;如游泳、划船、垂钓等&#xff0c;这些活动虽然带来了乐趣和清凉&#xff0c;但同时也增加了水域安全事故的风险。救生拉网作为水域安全的重要工具之一&#xff0c;其重要性…

ProFuzzBench入门教学——使用(Ubuntu22.04)

ProFuzzBench是网络协议状态模糊测试的基准测试。它包括一套用于流行协议&#xff08;例如 TLS、SSH、SMTP、FTP、SIP&#xff09;的代表性开源网络服务器&#xff0c;以及用于自动执行实验的工具。详细参考&#xff1a;阅读笔记——《ProFuzzBench: A Benchmark for Stateful …

Thinking--在应用中添加动态水印,且不可删除

Thinking系列&#xff0c;旨在利用10分钟的时间传达一种可落地的编程思想。 水印是一种用于保护版权和识别内容的技术&#xff0c;通常用于图像、视频或文档中。它可以是文本、图像或两者的组合&#xff0c;通常半透明或以某种方式嵌入到内容中&#xff0c;使其不易被移除或篡改…

非营利组织的数据治理之路

在非营利组织的日常运营中&#xff0c;数据不仅是记录过去活动的工具&#xff0c;更是指导未来决策、衡量项目成效、增强公众信任以及优化资源配置的关键要素。 然而&#xff0c;随着数据量的不断增长和复杂性的提升&#xff0c;非营利组织在享受数据带来的便利的同时&#xf…

文件操作和IO流

前言&#x1f440;~ 上一章我们介绍了多线程进阶的相关内容&#xff0c;今天来介绍使用java代码对文件的一些操作 文件&#xff08;file&#xff09; 文件路径&#xff08;Path&#xff09; 文件类型 文件操作 文件系统操作&#xff08;File类&#xff09; 文件内容的读…

一、openGauss详细安装教程

一、openGauss详细安装教程 一、安装环境二、下载三、安装1.创建omm用户2.授权omm安装目录3.安装4.验证是否安装成功5.配置gc_ctl命令 四、配置远程访问1.配置pg_hba.conf2.配置postgresql.conf3.重启 五、创建用户及数据库 一、安装环境 Centos7.9 x86openGauss 5.0.1 企业版…

我的FPGA

1.安装quartus 2.更新usb blaster驱动 3.新建工程 1.随便找一个文件夹&#xff0c;里面新建demo文件夹&#xff0c;表示一个个工程 在demo文件夹里面&#xff0c;新建src&#xff08;源码&#xff09;&#xff0c;prj&#xff08;项目&#xff09;&#xff0c;doc&#xff…

RedHat Linux8 修改root管理员账户密码命令

RedHat Linux8 修改root管理员账户密码命令&#xff1a; sudo passwd root RedHat重置root管理员密码&#xff1a; 1. 查看Linux系统版本信息 cat /etc/redhat-release2. 重置密码 2.1 进入内核编辑界面 重启Linux系统并出现引导界面&#xff0c;按下键盘上的e键进入内…

数据结构双向循环链表

主程序 #include "fun.h" int main(int argc, const char *argv[]) { double_p Hcreate_head(); insert_head(H,10); insert_head(H,20); insert_head(H,30); insert_head(H,40); insert_tail(H,50); show_link(H); del_tail(H); …

阈值分割后配合Connection算子和箭头工具快速知道区域的ID并选择指定区域

代码 dev_close_window () read_image (Image, E:/机器视觉学习/海康视觉平台/二期VM视觉学习/二期VM视觉学习/机器视觉程序/标定相机找圆心和焊头修正相机找圆心之算法软件/标定相机找圆心和焊头修正相机找圆心之算法软件/03 标定相机找圆心/S2/1号机/1.bmp) get_image_size …

【技术选型】MySQL、Oracle、Postgresql如何选择

【技术选型】MySQL、Oracle、Postgresql如何选择 开篇词&#xff1a;干货篇&#xff1a;MySQL&#xff1a;Oracle&#xff1a;PostgreSQL&#xff1a; 总结篇&#xff1a;我是杰叔叔&#xff0c;一名沪漂的码农&#xff0c;下期再会&#xff01; 开篇词&#xff1a; 常见几种关…

uniapp+vue3嵌入Markdown格式

使用的库是towxml 第一步&#xff1a;下载源文件&#xff0c;那么可以git clone&#xff0c;也可以直接下载压缩包 git clone https://github.com/sbfkcel/towxml.git 第二步&#xff1a;设置文件夹内的config.js&#xff0c;可以选择自己需要的格式 第三步&#xff1a;安装…