build

chapter_tree/binary_tree_traversal.md

@@ -18,6 +18,8 @@ comments: true
 
 <p align="center"> 图 7-9 &nbsp; 二叉树的层序遍历 </p>
 
+### 1. &nbsp; 代码实现
+
 广度优先遍历通常借助“队列”来实现。队列遵循“先进先出”的规则，而广度优先遍历则遵循“逐层推进”的规则，两者背后的思想是一致的。
 
 === "Java"
@@ -322,9 +324,10 @@ comments: true
     }
     ```
 
-**时间复杂度**：所有节点被访问一次，使用 $O(n)$ 时间，其中 $n$ 为节点数量。
+### 2. &nbsp; 复杂度分析
 
-**空间复杂度**：在最差情况下，即满二叉树时，遍历到最底层之前，队列中最多同时存在 $(n + 1) / 2$ 个节点，占用 $O(n)$ 空间。
+- **时间复杂度 $O(n)$** ：所有节点被访问一次，使用 $O(n)$ 时间，其中 $n$ 为节点数量。
+- **空间复杂度 $O(n)$** ：在最差情况下，即满二叉树时，遍历到最底层之前，队列中最多同时存在 $(n + 1) / 2$ 个节点，占用 $O(n)$ 空间。
 
 ## 7.2.2 &nbsp; 前序、中序、后序遍历
 
@@ -336,6 +339,10 @@ comments: true
 
 <p align="center"> 图 7-10 &nbsp; 二叉搜索树的前、中、后序遍历 </p>
 
+### 1. &nbsp; 代码实现
+
+深度优先搜索通常基于递归实现：
+
 === "Java"
 
     ```java title="binary_tree_dfs.java"
@@ -747,13 +754,9 @@ comments: true
     }
     ```
 
-**时间复杂度**：所有节点被访问一次，使用 $O(n)$ 时间，其中 $n$ 为节点数量。
-
-**空间复杂度**：在最差情况下，即树退化为链表时，递归深度达到 $n$ ，系统占用 $O(n)$ 栈帧空间。
-
 !!! note
 
-    我们也可以不使用递归，仅基于迭代实现前、中、后序遍历，有兴趣的同学可以自行实现。
+    深度优先搜索也可以基于迭代实现，有兴趣的同学可以自行研究。
 
 图 7-11 展示了前序遍历二叉树的递归过程，其可分为“递”和“归”两个逆向的部分。
 
@@ -794,3 +797,8 @@ comments: true
     ![preorder_step11](binary_tree_traversal.assets/preorder_step11.png)
 
 <p align="center"> 图 7-11 &nbsp; 前序遍历的递归过程 </p>
+
+### 2. &nbsp; 复杂度分析
+
+- **时间复杂度 $O(n)$** ：所有节点被访问一次，使用 $O(n)$ 时间。
+- **空间复杂度 $O(n)$** ：在最差情况下，即树退化为链表时，递归深度达到 $n$ ，系统占用 $O(n)$ 栈帧空间。