二叉树分解：分治思想与递归实战技巧

1. 二叉树分解问题概述

二叉树分解是算法与数据结构领域的经典问题类型，它要求将一个复杂的二叉树问题拆解为更小的子问题，通过递归或迭代的方式逐步解决。这种解题模式在LeetCode等编程题库中频繁出现，也是大厂面试的常考点。

我在刷题和实际工程中遇到过数十种二叉树分解问题，发现它们虽然表面各异，但核心思路高度一致。掌握这种模式后，面对诸如路径求和、子树判断、最近公共祖先等问题时，都能快速找到突破口。本文将分享我总结的通用解题框架和实战技巧。

2. 二叉树分解的核心思路

2.1 分治思想的应用

二叉树天然适合分治策略——每个节点的左右子树都是独立的子问题。以二叉树最大深度为例：

python复制def maxDepth(root):
    if not root:  # 基线条件
        return 0
    left_depth = maxDepth(root.left)  # 分解左子树问题
    right_depth = maxDepth(root.right)  # 分解右子树问题
    return max(left_depth, right_depth) + 1  # 合并结果

这个模板包含三个关键步骤：

1. 基线条件（空节点处理）
2. 分解子问题（递归处理左右子树）
3. 合并结果（取最大值加1）

提示：90%的二叉树分解问题都遵循这个模式，区别仅在于第三步的合并逻辑。

2.2 后序遍历的妙用

后序遍历（左右根）与分治策略完美契合。我们来看LeetCode 124题（二叉树中的最大路径和）的解法：

python复制def maxPathSum(root):
    res = -float('inf')
    
    def dfs(node):
        nonlocal res
        if not node:
            return 0
        left = max(dfs(node.left), 0)  # 左子树最大贡献
        right = max(dfs(node.right), 0)  # 右子树最大贡献
        res = max(res, left + right + node.val)  # 更新全局最大值
        return max(left, right) + node.val  # 返回当前节点最大贡献
    
    dfs(root)
    return res

这里有两个关键点：

1. 子树贡献值可能为负，用max(..., 0)过滤
2. 全局最大值可能跨越当前节点，需要单独维护

3. 常见问题类型与解法

3.1 路径类问题

路径问