二叉树

二叉树既能像链表那样快速的插入和删除,又能像有序数组那样快速查找。
二叉搜索树特征定义:一个节点的左子节点的关键字值小于这个父节点,右子节点的关键字值大于或等于这个父节点。
用java代码表示树
Node类,一个节点就是一个Node对象,节点中包含了数据,以及它的左右子节点

public class Node {
	int iDta;//id
	double fData;//对象内的业务数据,可以是一个类,这里为了简单
	Node leftChild;// 左子节点
	Node rightChild;//右子节点
}

Tree类,该类表示树本身,包含一个根节点就可以了,因为其他所有的节点通过根节点都可以访问到

public class Tree {
	private Node root;//根节点
	public Node find (int key){
	}
	public void insert(int id,double dd){
	}
	//中序遍历
	public void inOrder(Node localRoot){
	}
	//前序
	public void preOrder(Node localRoot){
	}
	//后序
	public void postOrder(Node localRoot){
	}
	//获得最小值
	public Node getMinVlue(){
	}
	//获得最大值
	public Node getMaxVlue(){
	}
	/**
	 * 1 该节点没有子节点
	 * 2 该节点有一个子节点
	 * 3 该节点有两个子节点
	 * @param id
	 */
	public boolean delele(int id){	
	}
	public Node getRoot() {
		return root;
	}
}

查找节点

public Node find (int key){
		Node current = root;
		while(current.iDta != key){
			if(key < current.iDta){
				current = current.leftChild;
			}else {
				current = current.rightChild;
			}
			if(current == null){
				return null;
			}
		}
		return current;
	}
  1. 声明一个当前节点,从根节点开始
  2. 查找的值比当前节点的值小,搜索左子树
  3. 查找的值比当前节点的值大,搜索右子树
  4. 最终只有两种情况1是找到它并返回,2是没找到返回null
    插入节点
public void insert(int id,double dd){
		Node newNode  = new Node();
		newNode.iDta = id;
		newNode.fData = dd;
		if(root == null){
			root = newNode;
		}else{
			Node current = root;
			Node parent;
			while(true){
				parent = current;
				if(id < current.iDta){//往左走
					current = current.leftChild;
					if(current == null){
						parent.leftChild = newNode;
						return;
					}
				}else {
					current = current.rightChild;
					if(current == null){
						parent.rightChild = newNode;
						return;
					}
				}
			}
		}
	}

与查找类似,唯一的区别就在于需要记住遇到的最后一个不为null的节点作为这个新节点的父节点。
5. 如果没有找到parent的左子节点就把新节点放这里
6. 如果没有找到parent的右子节点就把新节点放这里
中序遍历

	public void inOrder(Node localRoot){
		if(localRoot != null){
			inOrder(localRoot.leftChild);
			System.out.print(localRoot.iDta+"-");
			inOrder(localRoot.rightChild);
		}
	}

开始的时候用根作为参数调用这个方法,之后就靠自己递归调用自己,直到所有的节点都被访问过为值止。

  1. 中序遍历其左子树
  2. 访问这个节点
  3. 中序遍历右子树
    前序遍历和后序遍历
//前序
	/**
	 * 1. 访问这个节点 
	 * 2. 前序序遍历其左子树
	   3. 前序遍历右子树
	 * @param localRoot
	 */
	public void preOrder(Node localRoot){
		if(localRoot != null){
			System.out.print(localRoot.iDta+"-");
			inOrder(localRoot.leftChild);
			inOrder(localRoot.rightChild);
		}
	}
	//后序
	/**
	 * 1. 后序序遍历其左子树
	   2. 后序遍历右子树
	   3. 访问这个节点 
	 * @param localRoot
	 */
	public void postOrder(Node localRoot){
		if(localRoot != null){
			inOrder(localRoot.leftChild);
			inOrder(localRoot.rightChild);
			System.out.print(localRoot.iDta+"-");
		}
	}

层序遍历回头在说咯
查找最大最小值

	public Node getMinVlue(){
		Node current = root;
		while(current.leftChild !=  null){
			current = current.leftChild;
		}
		return current;
	}
	public Node getMaxVlue(){
		Node current = root;
		while(current.rightChild != null){
			current = current.rightChild;
		}
		return current;
	}

1 查找最小值,就是遍历左子树,先从根走到左孩子节点,接着走到左孩子节点的左孩子节点,直到找到一个没有左孩子节点的节点为止就是最小的。
2 查找最大值,就是遍历右子树,先从根走到右孩子节点,接着走到右孩子节点的右孩子节点,直到找到一个没有右孩子节点的节点为止就是最大的。
删除节点

/**
	 * 1 该节点没有子节点
	 * 2 该节点有一个子节点
	 * 3 该节点有两个子节点
	 * @param id
	 */
	public boolean delele(int id){
		Node current = root;
		Node parent = root;//需要记住该删除节点的父节点
		boolean isLeftChild = true;//需要记住该删除的节点是左还是右节点
		while(current.iDta != id){ //这里就相当于find方法,先找到该删除节点的位置
			parent = current;
			if(id <current.iDta){
				isLeftChild = true; 
				current = current.leftChild;
			}else{
				isLeftChild = false;
				current = current.rightChild;
			}
		}
		if(current == null){
			return false;
		}
		if(current.leftChild == null && current.rightChild == null){
			// 删除没有字节子节点的节点
			if(current == root){
				root = null;
			}else if(isLeftChild){
				parent.leftChild =null;
			}else if(!isLeftChild){
				parent.rightChild = null;
			}
		}else if(current.rightChild == null){
			//右节点为空,但是它有左节点,把左节点
			if(current == root){
				root = current.leftChild;
			}else if(isLeftChild){
				parent.leftChild = current.leftChild;
			}else {
				parent.rightChild = current.leftChild;
			}
		}else if(current.leftChild == null){
			if(current == root){
				root = current.rightChild;
			}else if(isLeftChild){
				parent.leftChild = current.rightChild;
			}else {
				parent.rightChild = current.rightChild;
			}
		}
		return true;
	}
  1. 当前删除没有子节点的节点
    只要改变该节点的父节点左或者右子节点为null就可以了,垃圾回收器待会会给你回收的。
  2. 当前删除节点有左节点,没有右节点
    如果当前删除节点是左节点,就把当前删除节点的左节点指向当前删除节点父节点的左节点
    如果当前删除节点是右节点,就把当前删除节点的左节点指向当前删除节点父节点的右节点
  3. 当前删除节点有右节点,没有左节点
    跟2相反,不写了
  4. 如果当前删除节点有两个子节点就头大了,回头在说喽!
内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
评论
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

jwt_

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