4、剑指offer之重建二叉树,题目解析和java实现方法

本文介绍了一种根据二叉树的前序遍历和中序遍历结果来重建二叉树的方法。通过递归算法确定根节点,并划分左右子树,最终构建完整的二叉树结构。

题目描述


输入某二叉树的前序遍历和中序遍历的结果,请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6},则重建二叉树并返回。

要求

时间限制:1秒 空间限制:32768K


参数类型

 //二叉树节点
 public class TreeNode {
     int val;
     TreeNode left;//左子树
     TreeNode right;//右子树
     TreeNode(int x) { val = x; }
 }

实现思路

根据题目描述可知,函数的输入参数为原二叉树的前序遍历和后续遍历。由二叉树知识可知,前序遍历序列的第一个元素就是根节点。获取根节点后依次进行以下几步操作

  1. 遍历中序遍历序列,获取根节点在序列中的位置
  2. 完成第一步后,可以获取左子树的节点数和左子树的中序遍历序列(右子树一样)
  3. 遍历前序遍历序列,获取左子树的前序遍历序列和右子树的前序遍历序列
  4. 传入左右子树的前中序遍历序列,递归进行左右子树的建树操作

这里写图片描述

代码实现

public TreeNode reConstructBinaryTree(int [] pre,int [] in) {
    TreeNode root=new TreeNode(pre[0]);//前序遍历的第一个数一定为根节点  
    int len=pre.length;  
    //当前序遍历只有一个数的时候,表示该节点为叶子节点
    if(len==1){  
        root.left=null;  
        root.right=null;  
        return root;  
    }  
    int rootvalue=root.val;  //rootval为根节点的值
    int i;  
    //找到中序遍历中的根节点位置,赋值为i  
    for(i=0;i<len;i++){  
        if(rootvalue==in[i])  
            break;  
    }  
    //创建左子树  
    if(i>0){  
        int[] pr=new int[i];  
        int[] ino=new int[i];  
        for(int j=0;j<i;j++){  
            //获取左子树的前序遍历序列
            pr[j]=pre[j+1];  
            //获取左子树的中序遍历序列
            ino[j]=in[j]; 
        }  
        //递归进行左子树的建树
        root.left=reConstructBinaryTree(pr,ino);  
    }else{  
        root.left=null;  
    }  
    //创建右子树  
    if(len-i-1>0){  
        int[] pr=new int[len-i-1];  
        int[] ino=new int[len-i-1];  
        for(int j=i+1;j<len;j++){  
            ino[j-i-1]=in[j];  
            pr[j-i-1]=pre[j];  
        }  
        //递归进行右子树的建树操作
        root.right=reConstructBinaryTree(pr,ino);  
    }else{  
        root.right=null;  
    }  
    return root;
    }
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值