1. 问题背景与核心思路
在二叉树相关算法题中，"路径和"问题是一类经典题型。题目要求找出所有从根节点到叶子节点的路径，使得路径上节点值之和等于给定目标值。这类问题在实际面试中出现频率极高，考察的是对二叉树遍历和递归思想的理解深度。
我第一次遇到这个问题是在准备技术面试时，当时被卡住的关键点在于如何正确维护路径状态。经过反复调试和思考，最终总结出一套清晰的解题框架。下面分享我的完整解题思路和实现细节。
2. 递归解法核心逻辑
2.1 基础递归框架
递归解法的核心在于深度优先搜索（DFS）遍历。我们需要维护两个关键变量：
- 当前路径的节点列表
- 当前路径的累加和
python复制def hasPathSum(root, target):
if not root:
return False
path = []
return dfs(root, target, path)
2.2 递归终止条件
递归需要处理三种边界情况：
- 到达空节点：直接返回False
- 到达叶子节点：判断当前和是否等于目标值
- 非叶子节点：继续递归左右子树
python复制def dfs(node, target, path):
if not node:
return False
path.append(node.val)
# 叶子节点判断
if not node.left and not node.right:
if sum(path) == target:
return True
else:
path.pop()
return False
# 非叶子节点递归
left = dfs(node.left, target, path)
right = dfs(node.right, target, path)
path.pop()
return left or right
2.3 路径维护技巧
关键点在于路径列表的维护：
- 进入节点时添加当前值
- 离开节点时弹出当前值
- 只在叶子节点进行完整路径判断
这种"回溯"式的处理确保了路径状态始终正确。
3. 时间复杂度优化
3.1 累加和优化
原始解法每次在叶子节点计算sum(path)会导致O(n^2)时间复杂度。优化方法是维护一个running_sum：
python复制def hasPathSum(root, target):
def dfs(node, running_sum):
if not node:
return False
running_sum += node.val
if not node.left and not node.right:
return running_sum == target
return dfs(node.left, running_sum) or dfs(node.right, running_sum)
return dfs(root, 0)
3.2 空间复杂度分析
最优解法的空间复杂度：
- 最好情况：O(logN)（平衡二叉树时的递归栈深度）
- 最坏情况：O(N)（退化为链表时的递归栈深度）
4. 常见错误与调试技巧
4.1 典型错误案例
- 忘记回溯弹出节点：
python复制# 错误示例
def dfs(node):
path.append(node.val)
if sum(path) == target:
return True # 忘记pop会导致后续路径错误
- 错误判断叶子节点：
python复制# 错误示例
if not node:
return sum(path) == target # 空节点不应作为判断条件
4.2 调试方法
建议使用这个小二叉树测试用例：
code复制 5
/ \
4 8
/
11
目标值20的预期结果应为True（5->4->11）
5. 非递归解法对比
5.1 栈实现DFS
python复制def hasPathSum(root, target):
if not root:
return False
stack = [(root, root.val)]
while stack:
node, curr_sum = stack.pop()
if not node.left and not node.right and curr_sum == target:
return True
if node.right:
stack.append((node.right, curr_sum + node.right.val))
if node.left:
stack.append((node.left, curr_sum + node.left.val))
return False
5.2 两种方法对比
| 特性 | 递归解法 | 迭代解法 |
|---|---|---|
| 代码简洁度 | 高 | 中等 |
| 空间复杂度 | O(H)（递归栈） | O(N)（显式栈） |
| 可读性 | 较好 | 一般 |
| 适用场景 | 树深度不大时 | 避免栈溢出风险时 |
6. 实际应用场景
这类算法在以下场景有实际应用价值：
- 文件系统路径匹配（查找特定大小的文件）
- 决策树中的最优路径查找
- 游戏AI中的路径评估
- 组织架构中权限路径验证
7. 解题心得
经过多次实践，我总结出二叉树递归问题的通用解法框架：
- 明确递归函数的参数和返回值
- 确定递归终止条件（通常2-3种情况）
- 编写单层递归逻辑
- 处理好状态维护（如路径记录）
- 考虑时间复杂度优化空间
对于路径和问题，特别要注意回溯时的状态恢复。我建议在IDE中单步调试几个简单用例，观察path列表的变化过程，这对理解递归执行流程很有帮助。