leetcode
leetcode 1251 ~ 1300
分裂二叉树的最大乘积

分裂二叉树的最大乘积

难度:

标签:

题目描述

给你一棵二叉树,它的根为 root 。请你删除 1 条边,使二叉树分裂成两棵子树,且它们子树和的乘积尽可能大。

由于答案可能会很大,请你将结果对 10^9 + 7 取模后再返回。

 

示例 1:

输入:root = [1,2,3,4,5,6]
输出:110
解释:删除红色的边,得到 2 棵子树,和分别为 11 和 10 。它们的乘积是 110 (11*10)

示例 2:

输入:root = [1,null,2,3,4,null,null,5,6]
输出:90
解释:移除红色的边,得到 2 棵子树,和分别是 15 和 6 。它们的乘积为 90 (15*6)

示例 3:

输入:root = [2,3,9,10,7,8,6,5,4,11,1]
输出:1025

示例 4:

输入:root = [1,1]
输出:1

 

提示:

  • 每棵树最多有 50000 个节点,且至少有 2 个节点。
  • 每个节点的值在 [1, 10000] 之间。

代码结果

运行时间: 128 ms, 内存: 35.1 MB


// 题目思路:
// 1. 计算整个二叉树的总和。
// 2. 通过递归遍历每个节点,计算每个子树的和。
// 3. 每次计算出一条边的删除后,两个子树和的乘积,并更新最大乘积。
// 4. 返回最大乘积对10^9 + 7取模的结果。

import java.util.*;
import java.util.stream.*;

class TreeNode {
    int val;
    TreeNode left;
    TreeNode right;
    TreeNode(int x) { val = x; }
}

public class Solution {
    private long totalSum = 0;
    private long maxProduct = 0;
    private static final int MOD = 1_000_000_007;

    public int maxProduct(TreeNode root) {
        // 计算总和
        totalSum = treeSum(root);
        // 计算最大乘积
        calculateMaxProduct(root);
        return (int) (maxProduct % MOD);
    }

    private long treeSum(TreeNode node) {
        if (node == null) return 0;
        return Stream.of(node.val, treeSum(node.left), treeSum(node.right)).mapToLong(Long::longValue).sum();
    }

    private long calculateMaxProduct(TreeNode node) {
        if (node == null) return 0;
        long subTreeSum = Stream.of(node.val, calculateMaxProduct(node.left), calculateMaxProduct(node.right)).mapToLong(Long::longValue).sum();
        long product = subTreeSum * (totalSum - subTreeSum);
        maxProduct = Math.max(maxProduct, product);
        return subTreeSum;
    }
}

解释

方法:

题解采用了深度优先搜索(DFS)的方法来解题。首先,通过一个DFS遍历计算出整棵树的总和,同时修改每个节点的值,使得每个节点存储的是该节点为根的子树的总和。接着,再次通过DFS遍历树,对于每个节点计算如果以该节点的子节点为分割点,分成的两棵子树的乘积,并更新最大乘积。最后返回经过模运算的最大乘积结果。

时间复杂度:

O(n)

空间复杂度:

O(n)

代码细节讲解

🦆
为什么首先需要通过DFS遍历计算出整棵树的总和,并修改每个节点的值来存储子树的总和?
这种方法主要是为了优化计算效率。通过首次DFS遍历,我们可以在遍历每个节点时即时计算并存储该节点为根的子树的总和。这样,当我们在第二次DFS遍历中需要计算以某个节点的子节点为分割点时,可以直接使用已存储的子树总和值,避免了重复的计算,从而显著提高了算法的效率。同时,这也简化了逻辑,因为我们只需要关注当前处理的节点和其子树的关系。
🦆
在第二次DFS遍历中,如何确定选择哪个子节点作为分割点?特别是在处理不平衡树时,这种选择标准是如何应用的?
在第二次DFS遍历中,并不是选择特定的子节点作为分割点,而是对每个节点的所有子节点进行遍历,并计算以每个子节点为分割点的情况。对于不平衡的树,这种方法同样适用,因为算法本身不依赖于树的平衡性。我们通过递归地计算每个节点的左右子树的乘积,并更新最大乘积,这保证了无论树的形状如何,都能找到最大的乘积值。
🦆
在计算最大乘积时,为什么要更新节点值中的最大乘积而不是直接计算所有可能的乘积并从中选择最大值?
更新节点值中的最大乘积是一种高效的策略,它避免了对所有可能分割点的重复计算和存储。通过维护一个全局最大值变量,并在每次计算分割产生的乘积后比较并更新这个变量,我们可以保持空间复杂度较低,同时快速得到最终结果。直接计算所有可能的乘积并存储会导致空间和时间复杂度增加,因为这需要额外的数据结构来存储所有子树的乘积结果,并从中查找最大值,这在大规模数据时尤其低效。

相关问题