递归
递归三要素：目的，停止条件，传递条件。
做递归思考三步：
-
递归的函数要干什么？
-
函数作用是判断传入的两个树是否镜像。
-
输入：TreeNode left, TreeNode right
-
输出：是：true，不是：false
-
递归停止的条件是什么？
-
左节点和右节点都为空 -> 倒底了都长得一样 ->true
-
左节点为空的时候右节点不为空，或反之 -> 长得不一样-> false
-
左右节点值不相等 -> 长得不一样 -> false
-
从某层到下一层的关系是什么？
-
要想两棵树镜像，那么一棵树左边的左边要和二棵树右边的右边镜像，一棵树左边的右边要和二棵树右边的左边镜像
-
调用递归函数传入左左和右右
-
调用递归函数传入左右和右左
-
只有左左和右右镜像且左右和右左镜像的时候，我们才能说这两棵树是镜像的
-
调用递归函数，我们想知道它的左右孩子是否镜像，传入的值是root的左孩子和右孩子。这之前记得判个root==null。
回溯
解决一个回溯问题，实际上就是一个决策树的遍历过程。你只需要思考 3 个问题：
1、路径：也就是已经做出的选择。
2、选择列表：也就是你当前可以做的选择。
3、结束条件：也就是到达决策树底层，无法再做选择的条件。
其核心就是 for 循环里面的递归，在递归调用之前「做选择」，在递归调用之后「撤销选择」，特别简单。
写 backtrack 函数时，需要维护走过的「路径」和当前可以做的「选择列表」，当触发「结束条件」时，将「路径」记入结果集。
其实想想看，回溯算法和动态规划是不是有点像呢？我们在动态规划系列文章中多次强调，动态规划的三个需要明确的点就是「状态」「选择」和「base case」，是不是就对应着走过的「路径」，当前的「选择列表」和「结束条件」？
某种程度上说，动态规划的暴力求解阶段就是回溯算法。只是有的问题具有重叠子问题性质，可以用 dp table 或者备忘录优化，将递归树大幅剪枝，这就变成了动态规划。而今天的两个问题，都没有重叠子问题，也就是回溯算法问题了，复杂度非常高是不可避免的。