Serialize and Deserialize Binary Tree & Serialize and Deserialize BST

本文介绍了一种二叉树的序列化和反序列化算法,该算法利用先序遍历的方式将二叉树转换为字符串,并能够从字符串中还原出原始的二叉树结构。

Serialization is the process of converting a data structure or object into a sequence of bits so that it can be stored in a file or memory buffer, or transmitted across a network connection link to be reconstructed later in the same or another computer environment.

Design an algorithm to serialize and deserialize a binary tree. There is no restriction on how your serialization/deserialization algorithm should work. You just need to ensure that a binary tree can be serialized to a string and this string can be deserialized to the original tree structure.

For example, you may serialize the following tree

    1
   / \
  2   3
     / \
    4   5
as  "[1,2,3,null,null,4,5]" , just the same as  how LeetCode OJ serializes a binary tree . You do not necessarily need to follow this format, so please be creative and come up with different approaches yourself.

Note: Do not use class member/global/static variables to store states. Your serialize and deserialize algorithms should be stateless.


实现的时候还是参考了提示。发现序列化的时候是正确的,但是反序列化的时候对于存放的结构还不是很清楚,结果找了很长时间。先序遍历,左边的节点会存放在右边的节点前面,所以可以通过递归调用找出父节点的左孩子,然后找出右孩子。每一次取元素是从list的头取出一个元素,正好跟序列化时的顺序相对应。序列化的时候采用先序遍历,先存入父节点,然后把它的左孩子存入,然后再存入他的右孩子。


代码:

public String serialize(TreeNode root) {
        if(root == null){
            return "";
        }
        return sBuilder(root, new StringBuffer());
    }
    //pre order
    private String sBuilder(TreeNode root, StringBuffer sb){
        if(root == null) return "#,";
        sb.append(root.val+",");
        sb.append(sBuilder(root.left, new StringBuffer()));
        sb.append(sBuilder(root.right, new StringBuffer()));
        return sb.toString();
    }

    // Decodes your encoded data to tree.
    public TreeNode deserialize(String data) {
        if(data == null || data.length() == 0) return null;
        String[] split = data.split(",");
        LinkedList<String> nodes = new LinkedList<>(Arrays.asList(split));
        return  dBuilder(nodes);
    }

    private TreeNode dBuilder(LinkedList<String> nodes){
        String val = nodes.remove();
        if(val.equals("#")){
            return null;
        }else{
            TreeNode node = new TreeNode(Integer.parseInt(val));
            node.left = dBuilder(nodes);
            node.right = dBuilder(nodes);
            return node;
        }
    }


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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
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