Sicily 3825. AVL Tree

作者在尝试理解和实现AVL树的过程中遇到困难,通过多种方法最终解决旋转操作中的问题,实现了AVL树的正确运行。

万恶的AVL树,我只是想为机考热热身……虽然说对于AVL树只求理解不求实现,但既然碰到了,还是力求AC吧。就这样,做了整整一天(我才刚摆脱那邪恶的一万字英语论文……)
AVL树,书上和百度百科的代码都很长,而且书上的用了继承,百度百科的没有缩进,烦,没看。按照自己的理解慢慢写,但一直都程序崩溃,就像同时的选课系统崩溃一样。崩溃的原因费了很大精力,还是只能定位在旋转这个过程上而已。个人感觉是在指针引用上的处理不当引起的,虽然说我怎么也看不出具体问题所在,断点调试跟踪各种办法试遍,却都得到一个很怪异的情况:指针引用的赋值执行了,却没有实现,并且这个过程发生在函数内,貌似不关引用的事,具体原因不详……
最后决定在旋转这个过程中放弃使用引用,然后增设父母节点,改了很多,还是不成功;后来用栈代替递归,其他内容原封不动,结果AC了。
AC的代码很麻烦,若能实现递归的话会简明很多。

Run Time: 0sec

Run Memory: 312KB

Code length: 2570Bytes

Submit Time: 2012-01-05 21:56:44

// Problem#: 3825
// Submission#: 1175812
// The source code is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License
// URI: http://creativecommons.org/licenses/by-nc-sa/3.0/
// All Copyright reserved by Informatic Lab of Sun Yat-sen University
#include <iostream>
#include <stack>
using namespace std;

struct Node {
    int data;
    Node *left, *right;
    Node( int n ) { data = n; left = NULL; right = NULL; }
};

Node *root;
stack<Node*> s;

int getHeight( Node *sub );
void insert( Node* &sub, int data );
void rotLeft( Node *sub, Node *parent );
void rotRight( Node *sub, Node *parent );
void balance();
void preorder( Node *sub );
void release( Node* &sub );

int main()
{
    int t;
    int n, data;

    cin >> t;
    while ( t-- ) {
        root = NULL;
        cin >> n;
        while ( n-- ) {
            cin >> data;
            insert( root, data );
            balance();
        }
        preorder( root );
        cout << endl;
        release( root );
    }

    return 0;

}


int getHeight( Node* sub ) {
    return sub != NULL ? 1 + max( getHeight( sub->left ), getHeight( sub->right ) ): 0;
}

void insert( Node* &sub, int data ) {
    if ( sub != NULL ) {
        s.push( sub );
        insert( data < sub->data ? sub->left: sub->right, data );
    }
    else
        sub = new Node( data );
}

void rotLeft( Node *sub, Node *parent ) {
    Node *right = sub->right;
    sub->right = right->left;
    right->left = sub;
    if ( parent == NULL )
        root = right;
    else
        sub == parent->left ? parent->left = right: parent->right = right;
}

void rotRight( Node *sub, Node *parent ) {
    Node *left = sub->left;
    sub->left = left->right;
    left->right = sub;
    if ( parent == NULL )
        root = left;
    else
        sub == parent->left ? parent->left = left: parent->right = left;
}

void balance() {
    Node *sub;
    while ( !s.empty() ) {
        sub = s.top();
        s.pop();
        int LHeight = getHeight( sub->left );
        int RHeight = getHeight( sub->right );
        if ( LHeight - RHeight == 2 ) {
            if ( getHeight( sub->left->right ) - getHeight( sub->left->left ) == 1 )
                rotLeft( sub->left, sub );
            rotRight( sub, s.empty() ? NULL: s.top() );
        }
        else if ( RHeight - LHeight == 2 ) {
            if ( getHeight( sub->right->left ) - getHeight( sub->right->right ) == 1 )
                rotRight( sub->right, sub );
            rotLeft( sub, s.empty() ? NULL: s.top() );
        }
    }
}

void preorder( Node *sub ) {
    if ( sub != NULL ) {
        cout << sub->data << " ";
        preorder( sub->left );
        preorder( sub->right );
    }
}

void release( Node* &sub ) {
    if ( sub != NULL ) {
        release( sub->left );
        release( sub->right );
        delete sub;
    }
}                                 


 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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