LeetCode #889. Construct Binary Tree from Preorder and Postorder Traversal

本文介绍了一种算法,该算法可以根据给定的预序和后序遍历序列重建二叉树。通过分析序列特征,算法能够确定每个节点的位置,从而构建出与原始序列匹配的二叉树结构。

题目描述:

Return any binary tree that matches the given preorder and postorder traversals.

Values in the traversals pre and post are distinct positive integers.

Example 1:

Input: pre = [1,2,4,5,3,6,7], post = [4,5,2,6,7,3,1]
Output: [1,2,3,4,5,6,7]

Note:

  • 1 <= pre.length == post.length <= 30
  • pre[] and post[] are both permutations of 1, 2, ..., pre.length.
  • It is guaranteed an answer exists. If there exists multiple answers, you can return any of them.
class Solution {
public:
    TreeNode* constructFromPrePost(vector<int>& pre, vector<int>& post) {
        for(int i=0;i<post.size();i++) index[post[i]]=i;
        return construct_tree(pre,post,0,pre.size()-1,0,post.size()-1);
    }
    
    TreeNode* construct_tree(vector<int>& pre, vector<int>& post, int a, int b, int c, int d)
    {
        if(a>b) return NULL;
        if(a==b) return new TreeNode(pre[a]);
        int root_val=pre[a];
        int left_val=pre[a+1];
        int left_length=index[left_val]-c+1; // 左子树的节点数
        TreeNode* root=new TreeNode(root_val);
        root->left=construct_tree(pre,post,a+1,a+left_length,c,c+left_length-1);
        root->right=construct_tree(pre,post,a+left_length+1,b,c+left_length,d-1);
        return root;
    }
    
private:
    unordered_map<int,int> index; // 存储后序遍历值和下标之间的关系
};

 

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 个个体作为父方和母方。 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。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
<think>我们将把给定的Java代码转换为Python代码。原Java代码实现了二叉树的前序遍历(递归方式)。 前序遍历的顺序是:根节点 -> 左子树 -> 右子树。 在Python中,我们同样可以定义一个TreeNode类来表示二叉树的节点,然后实现递归的前序遍历。 注意:在Python中,我们通常使用列表(list)来存储遍历结果。 步骤: 1. 定义TreeNode类(如果题目中已经定义,则不需要重复定义,这里为了完整起见,我们给出定义)。 2. 实现一个Solution类,其中包含preorderTraversal方法,该方法接收一个根节点,返回一个整数列表。 3.preorderTraversal方法中,我们初始化一个空列表,然后调用递归辅助函数进行遍历。 4. 递归辅助函数preorder将节点和结果列表作为参数,按照前序遍历的顺序将节点值添加到列表中。 考虑到LeetCode的环境,我们假设TreeNode类已经定义好。因此,我们只需要写出Solution类的代码。 下面是转换后的Python代码:</think>### 二叉树前序遍历的 Python 实现 以下是 Java 代码的等效 Python 实现,使用递归方法完成二叉树的前序遍历: ```python from typing import List, Optional # 定义二叉树节点类 class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right class Solution: def preorderTraversal(self, root: Optional[TreeNode]) -> List[int]: result = [] # 存储遍历结果的列表 self.preorder(root, result) # 调用递归方法 return result def preorder(self, node: Optional[TreeNode], result: List[int]) -> None: # 递归终止条件:遇到空节点 if node is None: return # 前序遍历步骤: # 1. 访问当前节点(添加到结果列表) result.append(node.val) # 2. 递归遍历左子树 self.preorder(node.left, result) # 3. 递归遍历右子树 self.preorder(node.right, result) ``` ### 代码解释: 1. **TreeNode 类**: - Python 使用类定义二叉树节点 - `__init__` 构造函数初始化节点值、左子节点和右子节点 - 使用 `Optional` 类型表示节点可以为 None 2. **Solution 类**: - `preorderTraversal` 方法: - 初始化空列表 `result` 存储结果 - 调用递归辅助方法 `preorder` - 返回最终结果列表 - `preorder` 递归辅助方法: - **基线条件**:当节点为 None 时直接返回 - **递归过程**: 1. 访问当前节点(添加到结果列表) 2. 递归遍历左子树 3. 递归遍历右子树 3. **前序遍历顺序**: - 根节点 → 左子树 → 右子树 - 示例:对于二叉树 `[1,null,2,3]`: ``` 1 \ 2 / 3 ``` 输出结果为 `[1,2,3]` ### 使用示例: ```python # 构建示例二叉树: # 1 # \ # 2 # / # 3 # 创建节点 n1 = TreeNode(1) n2 = TreeNode(2) n3 = TreeNode(3) # 构建树结构 n1.right = n2 n2.left = n3 # 执行遍历 solution = Solution() print(solution.preorderTraversal(n1)) # 输出: [1, 2, 3] ``` ### 复杂度分析: - **时间复杂度**:O(n),每个节点恰好访问一次 - **空间复杂度**:O(h),其中 h 是二叉树的高度(递归调用栈空间) - 最坏情况(树退化为链表):O(n) - 平衡二叉树情况:O(log n)
评论 1
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