平衡二叉树判定与自底向上算法解析

1. 平衡二叉树基础概念解析

平衡二叉树（Balanced Binary Tree）是计算机科学中一种重要的数据结构，它要求任意节点的左右子树高度差不超过1。这个特性保证了树的查询效率始终维持在O(log n)级别，避免了普通二叉树可能退化成链表的最坏情况。

在实际应用中，平衡二叉树广泛用于数据库索引、内存管理等场景。比如Linux内核的进程调度就使用了红黑树（一种自平衡二叉查找树）来管理进程控制块。理解平衡二叉树的判定方法，是掌握高级数据结构的基础。

2. LeetCode 110题题目分析

LeetCode 110题的完整描述是：给定一个二叉树，判断它是否是高度平衡的二叉树。题目给出的函数签名如下：

python复制def isBalanced(root: TreeNode) -> bool:

示例1：
输入：root = [3,9,20,null,null,15,7]
输出：true

示例2：
输入：root = [1,2,2,3,3,null,null,4,4]
输出：false

3. 自底向上解法原理剖析

3.1 基本思路

自底向上（Bottom-up）是一种经典的递归策略，与自顶向下（Top-down）相对。它的核心思想是：

1. 先递归处理子问题
2. 利用子问题的解构建当前问题的解
3. 将结果向上传递

对于平衡二叉树的判定：

• 自顶向下：先检查当前节点是否平衡，再递归检查左右子树
• 自底向上：先递归检查左右子树，再根据子树信息判断当前节点

3.2 算法时间复杂度对比

自底向上方法的优势在于它通过后序遍历，每个节点只被访问一次，避免了重复计算高度。

4. 自底向上解法代码实现

4.1 Python实现

python复制def isBalanced(root: TreeNode) -> bool:
    def height(node):
        if not node:
            return 0
        left_height = height(node.left)
        right_height = height(node.right)
        if left_height == -1 or right_height == -1 or abs(left_height - right_height) > 1:
            return -1
        return max(left_height, right_height) + 1
    
    return height(root) != -1

4.2 关键代码解析

1. 定义嵌套函数height计算子树高度
2. 递归终止条件：空节点高度为0
3. 递归获取左右子树高度
4. 不平衡情况判断：
   • 任一子树不平衡（返回-1）
   • 当前节点左右高度差>1
5. 平衡情况下返回真实高度

5. 算法优化与边界处理

5.1 提前终止优化

当发现任一子树不平衡时，可以立即返回-1，避免不必要的计算。这是通过检查left_height和right_height是否为-1实现的。

5.2 边界条件处理

特殊测试用例需要考虑：

1. 空树（返回true）
2. 单节点树（返回true）
3. 完全不平衡的链式树
4. 大规模数据测试（验证算法效率）

6. 相关题目拓展

掌握平衡二叉树判定后，可以尝试以下LeetCode题目：

• 108. 将有序数组转换为二叉搜索树
• 1382. 将二叉搜索树变平衡
• 面试题 04.04. 检查平衡性

7. 实际工程应用

平衡二叉树在工程中的应用远比算法题复杂。实际场景中还需要考虑：

1. 动态平衡（插入/删除时的旋转操作）
2. 内存占用优化
3. 并发访问控制
4. 持久化存储

比如在数据库索引中，B树/B+树就是平衡树的多路扩展，需要处理磁盘I/O优化等问题。