二叉树算法实战：BST特性与遍历优化

1. 二叉树算法精要解析

作为一名经历过多次算法面试洗礼的老兵，我深知二叉树在技术面试中的核心地位。DAY20的这组题目（530.二叉搜索树的最小绝对差、501.二叉搜索树中的众数、236.二叉搜索树的最近公共祖先）堪称二叉树算法的"黄金三题"，涵盖了BST特性利用、遍历技巧和递归思维三大核心能力。

记得我在某次大厂面试中，面试官连续抛出这三道题的变体，当时就暗自庆幸曾经系统性地刷过这个组合。今天我就带大家深入剖析这三个经典问题，分享那些刷题攻略里不会告诉你的实战技巧。

2. 二叉搜索树的最小绝对差

2.1 问题本质与暴力解法

BST的最小绝对差问题看似简单，实则暗藏玄机。题目要求找到任意两节点值之差的最小绝对值，最直观的想法就是遍历所有节点对，计算差值后取最小值。这种方法时间复杂度是O(n²)，对于BST来说简直是暴殄天物。

python复制# 暴力解法示例（仅用于对比理解）
def getMinimumDifference(root):
    nodes = []
    def dfs(node):
        if not node: return
        dfs(node.left)
        nodes.append(node.val)
        dfs(node.right)
    dfs(root)
    return min(abs(a-b) for i,a in enumerate(nodes) for j,b in enumerate(nodes) if i!=j)

2.2 利用BST特性的最优解

BST的中序遍历性质才是解题关键。中序遍历BST会得到一个严格递增的序列，最小差值必然出现在相邻元素之间。这个认知将问题复杂度直接降到O(n)。

python复制def getMinimumDifference(root):
    prev = float('-inf')
    min_diff = float('inf')
    
    def inorder(node):
        nonlocal prev, min_diff
        if not node: return
        inorder(node.left)
        min_diff = min(min_diff, node.val - prev)
        prev = node.val
        inorder(node.right)
    
    inorder(root)
    return min_diff

关键技巧：使用nonlocal变量在递归中维护状态，避免全局变量污染。prev初始设为负无穷，确保第一个节点的差值计算不会影响结果。

2.3 迭代实现与空间优化

递归解法虽然直观，但在实际工程中可能面临栈溢出风险。以下是更安全的迭代实现：

python复制def getMin