LeetCode110-平衡二叉树

这篇博客讨论了如何判断一个二叉树是否为高度平衡的二叉树,即每个节点的左右子树高度差不超过1。通过递归函数计算每个节点的最大深度,并检查每个节点是否满足平衡条件,实现了一个有效的解决方案。代码示例展示了如何实现这个过程。
  1. 平衡二叉树 给定一个二叉树,判断它是否是高度平衡的二叉树。

本题中,一棵高度平衡二叉树定义为:

一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1 。
在这里插入图片描述
原题传送

求解平衡树我们需要知道的是:二叉平衡树的每个节点树的左右子树高度差不超过1,那么我们需要考虑的事情自然有两件:1、每棵树的左右节点高度求解,2、树中每个节点树是否满足平衡条件;

求解高度差我们可以简单写一个递归函数:
求某一节点的深度可以转化为该节点子树的最大深度加上节点本身的深度1,递归退出条件为节点为空,返回值是节点子树的最大深度

	int max_Depth(TreeNode* root) {
		if (root == nullptr)
			return 0;
		int left = max_Depth(root->left);
		int right = max_Depth(root->right);
		int maxDepth = max(left, right) + 1;
		return maxDepth;
	}

我们得到了每个节点的最大深度,自然可以进行下一步的比较,需要注意的是每一个子树都需要比较:

bool isBalanced(TreeNode* root) {
        if (root == nullptr)
            return true;
        return abs(MaxDepth(root->left) - MaxDepth(root->right))<=1 && isBalanced(root->left) && isBalanced(root->right);//先序判断树中每个节点是否满足平衡条件
    }

完整代码:

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode() : val(0), left(nullptr), right(nullptr) {}
 *     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
 *     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
 * };
 */
class Solution {
public://求出每个节点的深度
   int  MaxDepth(TreeNode* root) {
        if (root == nullptr)
            return 0;
        return max(MaxDepth(root->left),MaxDepth(root->right))+1;
    }

    bool isBalanced(TreeNode* root) {
        if (root == nullptr)
            return true;
        return abs(MaxDepth(root->left) - MaxDepth(root->right))<=1 && isBalanced(root->left) && isBalanced(root->right);//先序判断树中每个节点是否满足平衡条件
    }
};
【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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

打赏作者

nepu_bin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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