本文介绍一种不依赖递归、仅使用循环和辅助数组的迭代方法，从升序数组构建结构完全平衡（complete）的bst，时间复杂度 o(n)，空间复杂度 o(log n)，并解析其核心思想与实现难点。
本文介绍一种不依赖递归、仅使用循环和辅助数组的迭代方法，从升序数组构建结构完全平衡（complete）的bst，时间复杂度 o(n)，空间复杂度 o(log n)，并解析其核心思想与实现难点。
构建平衡 BST 的经典递归思路是：每次取区间中点作为根，递归构建左右子树。而迭代实现的难点在于——必须显式模拟递归调用栈的行为，并精确控制每个节点在树中的深度与父子关系。由于递归天然携带“当前子树范围”和“调用上下文”，迭代则需通过数据结构（如数组或栈）主动维护这些信息。
本方案采用一种巧妙的“自底向上、右倾填充”策略，目标是构造一棵完全二叉树（Complete Binary Tree）：所有层尽可能填满，最底层节点靠左对齐。这保证了树的高度最小（⌈log₂(n+1)⌉），从而满足平衡性要求（任意节点左右子树高度差 ≤ 1）。
关键洞察在于：
- 给定 n 个元素，可预先计算出目标树的高度 h = ⌊log₂n⌋；
- 底层（第 h 层）应有 bottomCount = n + 1 - 2^h 个节点；
- 使用长度为 h + 1 的数组 path[]，其中 path[d] 表示深度为 d 的当前最右节点（即该层最后被创建/待连接的节点）；
- 遍历有序数组时，新节点总被插入为某一层的“最新右端”，再根据剩余底层容量动态调整其父节点的连接方向（左/右）。
以下是完整 Java 实现（含注释说明逻辑流）：
class Node {
int value;
Node left, right;
Node(int value) {
this.value = value;
}
}
class BinarySearchTree {
Node root;
BinarySearchTree(int[] values) {
if (values.length == 0) return;
// 计算目标树高度（以 2 为底的 floor log）
int height = (int) Math.floor(Math.log(values.length) / Math.log(2));
// 底层（第 height 层）应放置的节点数
int bottomCount = values.length + 1 - (1 0 && path[depth] != null) {
path[depth - 1].right = path[depth];
path[depth] = null;
depth--;
}
depth = height; // 重置下一轮插入深度
}
}
root = path[0];
}
// 中序逆序打印（便于验证 BST 结构：右-根-左 ≈ 降序输出）
void print() {
print(root, "");
}
void print(Node node, String indent) {
if (node == null) return;
print(node.right, indent + " ");
System.out.println(indent + node.value);
print(node.left, indent + " ");
}
}
? 注意事项与要点总结：
- ✅ 正确性保障：该算法严格按完全二叉树结构填充，且利用升序数组特性，确保左子树所有值
- ⚠️ 父指针未实现：题目提到 Node 含 parent 字段，但本解法未维护（因非必需）。若需支持，可在每次设置 left/right 时同步赋值 child.parent = this；
- ? 为何比递归复杂？
- 递归隐式管理“子问题边界”（start/end 索引）和“调用栈帧”；
- 迭代必须用数组/栈显式编码层级关系与连接逻辑，状态转移易出错；
- 因此工程实践中，除非栈深度受限（如超大数组防 StackOverflow），否则递归仍是首选；
- ? 替代思路提示：也可用双端队列（Deque）模拟 BFS 层序建树，或用显式栈存储 (low, high, parentNode, isLeft) 元组，但上述“路径数组法”空间最优（O(log n)）。
运行示例（[1,2,...,12]）将生成高度为 4 的平衡 BST，根为 8，左子树含 [1..7]，右子树含 [9..12]，结构紧凑且搜索效率最优。
