将有序数组转换为二叉搜索树
有序数组 [-10,-3,0,5,9] 转高度平衡 BST。
有序数组 [-10,-3,0,5,9] 转高度平衡 BST。
当前调用等待哪些子问题回执,返回值对父节点意味着什么?
递归选 mid 作根,左半建左子,右半建右子。
先说结论:这道题到底解决什么
怎样从“有序数组 [-10,-3,0,5,9] 转高度平衡 BST。”推导出 BST · 有序转平衡,并证明每次状态变化都不会漏掉答案?
中心结论:递归选 mid 作根,左半建左子,右半建右子。
- 1.暴力方案在哪里重复计算,为什么仍然是正确基线?
- 2.当前调用等待哪些子问题回执,返回值对父节点意味着什么?
- 3.不变量“子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。”为什么能保证算法安全前进?
完整题目与题意拆解
将一个按照升序排列的有序数组,转换为一棵高度平衡二叉搜索树。本题中,一个高度平衡二叉树是指一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1。
在本站主例中,有序数组 [-10,-3,0,5,9] 转高度平衡 BST。
算法最终需要得到或观察:平衡 BST 根为 0。
- • 输入:有序数组 [-10,-3,0,5,9] 转高度平衡 BST。
- • 机器需要维护:lo/hi 区间、mid 根。
- • 最终可观察结果:平衡 BST 根为 0。
先看清算法到底要维护什么
先建立输入、目标、输出和第一批状态,不急着进入模板。
空结点高度 0
第一层方案:暴力做法
从每个节点重新遍历子树会重复计算;递归让每棵子树只计算一次并向父节点返回摘要。
暴力方案的价值是确认题意并提供正确性基线。它通常会覆盖所有候选, 但没有保存已经确认的信息,因此同一状态会被重新计算。
重复工作究竟发生在哪里
把重复读取或重复搜索的区域明确标出,再决定优化必须保存什么。
空结点高度 0
整体地图:先做什么,再做什么
- 1建模把输入翻译成“递归回执树”,明确答案需要观察什么。
- 2状态只维护 lo/hi 区间、mid 根。
- 3转移每一步按照 递归选 mid 作根,左半建左子,右半建右子。
- 4收尾读取 平衡 BST 根为 0。,并复核边界与复杂度。
递归回执树:核心概念
先用一句话定义递归函数返回什么,父节点才能正确合并。
这道题不是为了记住一个组件名称,而是为了让状态具有可解释的语义:lo/hi 区间、mid 根。
- • 子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。
建立“递归回执树”心智模型
用主例建立核心状态,先预测下一步,再公开正确分支和理由。
空结点高度 0
核心机制:状态如何一步步变化
把一个有序数组转换成高度平衡的二叉搜索数,按照定义即可
递归选 mid 作根,左半建左子,右半建右子。
执行过程中持续维护:lo/hi 区间、mid 根。
正确性依赖以下不变量:子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。
面试时可以压缩为:数组已有序,选中间元素作根则左半小于根、右半大于根,天然 BST;每次选中点均分左右保证高度平衡。递归 build(lo,mid-1) 与 build(mid+1,hi)。时间 O(n),辅助空间 O(log n)。
落到当前题,执行机制可以压缩为:递归选 mid 作根,左半建左子,右半建右子。每一次更新都必须保持核心不变量,而不是只让样例碰巧得到正确答案。
一次状态转移为什么成立
集中观察一次选择、计算和状态写回,让变量变化与原因同时出现。
到达 -10,当前深度 1
正确性证明:为什么不会漏答案
初始化:算法开始时,全部合法候选仍在状态表示范围内;子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。
保持:执行“递归选 mid 作根,左半建左子,右半建右子。”时,只删除已经能证明不可能的候选,并把新信息写回 lo/hi 区间、mid 根。
终止:没有待处理状态或达到命中条件时,当前可观察结果就是“平衡 BST 根为 0。”。
完整执行过程
- 1题目与输入有序数组 [-10,-3,0,5,9] 转高度平衡 BST。 因为:递归选 mid 作根,左半建左子,右半建右子。
- 2后序返回高度叶子高度为 1。 因为:深度 = 1 + 子树较高者。
- 3结点 -3 深度 2DFS 记录当前层。 因为:根到该结点边数 = 深度。
- 4预测下一步先不要看下一帧——根据当前不变量,预测算法接下来会怎么动。 因为:主动预测会暴露你对不变量的真实理解,比被动看动画有效得多。
- 5结点 5 深度 3DFS 记录当前层。 因为:根到该结点边数 = 深度。
- 6结点 9 深度 3DFS 记录当前层。 因为:根到该结点边数 = 深度。
- 7最大深度 3扫描结束。 因为:O(n) DFS。
- 8收尾与复杂度平衡 BST 根为 0。 因为:时间 O(n) · 空间 O(log n)。递归选 mid 作根,左半建左子,右半建右子。
从输入完整走到可观察结果
从主例第一帧运行到答案,时间轴始终显示当前状态、因果解释和下一步。
空结点高度 0
把动画和 Go 代码逐行对应
代码窗口不会按容易漂移的固定数字行号硬绑动画,而是根据当前语义阶段, 在完整 Go 实现中定位选择、计算、写回或返回分支。当前变量与高亮行一起变化。
让每个动作都落到 Go 分支
重新执行关键分支,只显示当前代码附近窗口,并说明这行为什么在此刻运行。
空结点高度 0
完整 Go 提交代码与最小测试
// TreeNode define
/**
* Definition for a binary tree node.
* type TreeNode struct {
* Val int
* Left *TreeNode
* Right *TreeNode
* }
*/
func sortedArrayToBST(nums []int) *TreeNode {
if len(nums) == 0 {
return nil
}
return &TreeNode{Val: nums[len(nums)/2], Left: sortedArrayToBST(nums[:len(nums)/2]), Right: sortedArrayToBST(nums[len(nums)/2+1:])}
}func main() {
// 1. 主例
// 输入:mode="max-depth", values=[-10,-3,0,5,9]
// 期望:平衡 BST 根为 0。
//
// 2. 失败 / 未命中
// 检查:总是选左端当根会退化成链。
//
// 3. 边界
// 空输入、单元素、最小合法规模,以及答案恰好落在边界的情况。
//
// 4. 迁移
// LC109 链表转 BST;LC98 验证
}Go 参考实现基于 halfrost/LeetCode-Go 的 MIT 许可代码整理,并按本站教学结构补充解释与动画映射。
正确性与复杂度
执行过程中只保留仍可能影响答案的状态。递归选 mid 作根,左半建左子,右半建右子。
额外状态主要用于维护:lo/hi 区间、mid 根。
- • 子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。
最容易写错的地方
总是选左端当根会退化成链。
空间复杂度勿写 O(1),忽略递归栈。
答案不唯一,左/右中位数 mid 都可能合法。
必须额外检查空输入、单元素、未命中或不可达情况,以及恰好落在边界的输入。
最后复盘:带走逻辑链
- 1题意有序数组 [-10,-3,0,5,9] 转高度平衡 BST。
- 2重复从每个节点重新遍历子树会重复计算;递归让每棵子树只计算一次并向父节点返回摘要。
- 3优化递归选 mid 作根,左半建左子,右半建右子。
- 4证明子树区间互不重叠,覆盖整个数组。选 mid 使左右规模差不超过 1。
- 5复杂度时间 O(n),空间 O(log n)
- • LC109 链表转 BST
- • LC98 验证