二叉搜索树修剪：LeetCode 669题递归与迭代解法详解

1. 问题背景与需求分析

LeetCode 669题"修剪二叉搜索树"是一个经典的树操作问题，它要求我们根据给定的边界值[low, high]，修剪二叉搜索树(BST)，使得所有节点的值都在这个范围内。这个问题看似简单，但实际处理时需要深入理解BST的特性和递归操作的精髓。

BST是一种特殊的二叉树，对于每个节点：

• 左子树所有节点的值都小于该节点的值
• 右子树所有节点的值都大于该节点的值
• 左右子树也分别是BST

修剪BST的核心挑战在于：当遇到一个不在范围内的节点时，不能简单地删除它，因为它的子树中可能包含符合要求的节点。这与普通的二叉树删除操作有本质区别。

2. 递归解法详解

2.1 递归思路构建

递归是解决树问题的天然工具。对于修剪BST，我们可以这样思考：

1. 如果当前节点值小于low，那么它的左子树所有节点值都会更小，都不符合要求，但右子树可能有符合条件的节点
2. 如果当前节点值大于high，情况对称，左子树可能有符合条件的节点
3. 如果当前节点值在范围内，则需要递归处理它的左右子树

这种"减而治之"的策略是解决树问题的经典范式。

2.2 递归实现代码

python复制def trimBST(root, low, high):
    if not root:
        return None
    if root.val < low:
        return trimBST(root.right, low, high)
    if root.val > high:
        return trimBST(root.left, low, high)
    root.left = trimBST(root.left, low, high)
    root.right = trimBST(root.right, low, high)
    return root

代码解析：

• 基线条件：遇到空节点直接返回
• 当前节点值小于low时，放弃左子树，对右子树继续修剪
• 当前节点值大于high时，放弃右子树，对左子树继续修剪
• 当前节点值在范围内时，递归修剪左右子树

2.3 递归复杂度分析

时间复杂度：O(N)，每个节点最多被访问一次
空间复杂度：O(H)，递归栈的深度取决于树的高度，最坏情况下为O(N)

3. 迭代解法实现

虽然递归解法简洁优雅，但理解迭代解法有助于加深对问题的理解。

3.1 迭代处理步骤

1. 首先找到新的根节点：第一个值在[low, high]范围内的节点
2. 然后分别处理左子树和右子树：
   • 对于左子树，修剪所有小于low的节点
   • 对于右子树，修剪所有大于high的节点

3.2 迭代实现代码

python复制def trimBST(root, low, high):
    # 找到新的根节点
    while root and (root.val < low or root.val > high):
        if root.val < low:
            root = root.right
        else:
            root = root.left
    
    if not root:
        return None
    
    # 处理左子树
    node = root
    while node.left:
        if node.left.val < low:
            node.left = node.left.right
        else:
            node = node.left
    
    # 处理右子树
    node = root
    while node.right:
        if node.right.val > high:
            node.right = node.right.left
        else:
            node = node.right
    
    return root

3.3 迭代与递归对比

迭代解法的优势：

• 避免递归栈溢出的风险
• 在某些情况下可能更高效

递归解法的优势：

• 代码更简洁直观
• 更符合树问题的解决范式

4. 常见错误与调试技巧

4.1 典型错误模式

1. 直接删除不符合范围的节点：这是最常见的错误，没有考虑被删除节点的子树中可能有符合要求的节点
2. 递归终止条件不完整：忘记处理空节点的情况
3. 边界条件处理不当：特别是当low或high等于节点值时

4.2 调试建议

1. 使用小型测试用例：如3个节点的BST，便于手动验证
2. 打印中间结果：在递归过程中打印当前节点值和子树状态
3. 可视化处理：画出树的结构变化过程

4.3 边界条件测试

必须测试的特殊情况：

• 空树
• 所有节点值都小于low
• 所有节点值都大于high
• 树中正好有一个节点值等于low或high
• 树中有多个节点值等于边界值

5. 算法优化与变种

5.1 剪枝优化

在递归过程中，可以提前终止不必要的递归调用。例如，当确定某子树的所有节点都不在范围内时，可以直接返回None。

5.2 并行处理

对于大型BST，可以考虑并行处理左右子树，但要注意线程安全和同步问题。

5.3 相关问题扩展

1. 修剪普通二叉树：需要遍历整个树，效率较低
2. 动态修剪：BST经常被修改时的高效修剪算法
3. 范围查询：不修改树结构，只返回范围内的节点

6. 实际应用场景

BST修剪技术在以下场景中有实际应用：

1. 数据库索引优化：删除不符合查询条件的索引项
2. 游戏开发：空间分区树中移除不可见区域
3. 地理信息系统：地图数据按范围筛选
4. 内存管理：释放特定地址范围内的内存块

理解这个算法有助于处理各种基于范围的数据筛选问题。