树的半径的定义是树的任意两点间的最小距离的最大值。我的办法是任意取这个树的某条边e，将这两个树分为两个子树，分别以这条边的两个端点(v1, v2)为根，用广度优先搜索出该点到其子树各点的最小距离的最大值，然后将这两个树求出的值相加再加上一（这个距离还包括e的距离），计录下该值。然后对两个子树递归调用上述算法，算出来的最大值就是半径。
上述算法的思想是，如果树的半径值对应的某个路径通过e，那么该半径必定含有该边的两个端点（v1, v2)到其他端点的最大值。如果树半径对应的边没有通过e，那么在两个子树间再查找。综合这些的最大值就是树的半径。
由于两个子树的广度优先搜索的时间复杂度为O(V1), O(V2)，T(V) = T(V1) + T(V2)+O(V)，我推导出的这个方法的时间复杂度是O(V^2)，还是高了点，有更快的算法没有？

有更快的，应该是 O(|V|) 那么多吧。

那么思路到底是怎样的呢？老大给点提示吧

基本思路是动态规划。任选一个非叶子节点做根，然后从底下的叶子开始向上动态规划。

是不是这样的：先求树的所有子树的根节点到叶子的最大深度和次大深度，然后取其和的最大值就是树的直径。这样可以根据叶子向上计算得到直径，复杂度是O(v)。
PS:这个不算动态规划吧，子问题并没有重叠嘛

没错。
PS：我觉得它象动态规划，它就是动态规划，

int BinaryTreeHeight(node *p, int&maxHeightSum)
{
if (!p)
{
return 0;
}

int leftHeight = BinaryTreeHeight(p->left, maxHeightSum);
int rightHeight = BinaryTreeHeight(p->right, maxHeightSum);

maxHeightSum = max(leftHeight+leftHeight, maxHeightSum);
return max(leftHeight, rightHeight) + 1;
}

int findRadOfTree(node* head)
{
int maxHeightSum = 0;
BinaryTreeHeight(head, maxHeightSum);
return maxHeightSum;
}

这个实现有问题吧，这句是什么意思:
maxHeightSum = max(leftHeight+leftHeight, maxHeightSum);

左子树为空就返回零了

改成
maxHeightSum = max(leftHeight+rightHeight, maxHeightSum);
也不对