1115 Counting Nodes in a BST (30 point(s))

本文介绍了一种算法,用于根据给定序列生成二叉搜索树(BST),并计算树最低两层的节点数量。通过递归插入和深度优先搜索(DFS)遍历,实现了对BST的构建与节点计数。

1115 Counting Nodes in a BST (30 point(s))

A Binary Search Tree (BST) is recursively defined as a binary tree which has the following properties:

  • The left subtree of a node contains only nodes with keys less than or equal to the node's key.
  • The right subtree of a node contains only nodes with keys greater than the node's key.
  • Both the left and right subtrees must also be binary search trees.

Insert a sequence of numbers into an initially empty binary search tree. Then you are supposed to count the total number of nodes in the lowest 2 levels of the resulting tree.

Input Specification:

Each input file contains one test case. For each case, the first line gives a positive integer N (≤1000) which is the size of the input sequence. Then given in the next line are the N integers in [−10001000] which are supposed to be inserted into an initially empty binary search tree.

Output Specification:

For each case, print in one line the numbers of nodes in the lowest 2 levels of the resulting tree in the format:

n1 + n2 = n

where n1 is the number of nodes in the lowest level, n2 is that of the level above, and n is the sum.

Sample Input:

9
25 30 42 16 20 20 35 -5 28

Sample Output:

2 + 4 = 6

中规中矩的压轴题。非常开心,25分钟AC本题。

题意:

根据给定的序列生成二叉搜索树,并计算最后两层的结点数。

考察点:

二叉搜索树的建立、树的遍历

思路:

1. 定义结点结构,建立BST;

2. 采用DFS遍历整棵树,搜索过程中把所在层次level作为参数,注意对于每个结点记录其所在层次。

注意点:

1. Insert()参数root必须是结点指针的引用,否则建立动态建立新结点的时候会发生错误。

2. 注意这种记录每个层次结点树的方法。

相关题目:

1. 1043 https://blog.youkuaiyun.com/coderwait/article/details/100168406

2. 1099 https://blog.youkuaiyun.com/coderwait/article/details/100183241

#include<iostream>
#include<vector>
#include<cstring>
#include<algorithm>
using namespace std;
struct Node{
	int data;Node* left;Node* right;
	Node(int d):data(d),left(NULL),right(NULL){	}
};
int levelCnt[1007]={0};
void Insert(Node* &root,int data){
	if(root==NULL){
		root = new Node(data);
		return;
	}
	if(data<=root->data) Insert(root->left,data);
	else Insert(root->right,data);
}
int maxLevel=0;
void dfs(Node* &root,int level){
	if(root!=NULL){
		levelCnt[level]++;
		maxLevel = max(maxLevel,level);
	}
	if(root->left!=NULL){
		dfs(root->left,level+1);
	}
	if(root->right!=NULL){
		dfs(root->right,level+1);
	}
}
int main(void){
	int N,a;cin>>N;
	Node* root = NULL;
	for(int i=0;i<N;i++){
		cin>>a;
		Insert(root,a);
	}
	dfs(root,0);
	cout<<levelCnt[maxLevel]<<" + "<<levelCnt[maxLevel-1]<<" = "<<levelCnt[maxLevel]+levelCnt[maxLevel-1]<<endl;
	return 0;
}

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
Counting Haybales S” 通常是美国信息学奥林匹克竞赛(USACO)里的一道题目。这道题主要围绕干草捆计数展开。 ### 问题描述 给定一个数轴,上面有 $N$ 个干草捆的位置,以及 $Q$ 个询问,每个询问包含一个区间 $[A, B]$,需要计算在该区间内干草捆的数量。 ### 解题思路 1. 先将所有干草捆的位置进行排序。 2. 针对每个询问 $[A, B]$,运用二分查找来找出第一个位置大于等于 $A$ 的干草捆和第一个位置大于 $B$ 的干草捆。 3. 通过这两个位置的差值得到该区间内干草捆的数量。 ### 代码实现 ```python # 读取输入 n, q = map(int, input().split()) haybales = sorted(map(int, input().split())) # 二分查找函数 def lower_bound(arr, x): left, right = 0, len(arr) while left < right: mid = (left + right) // 2 if arr[mid] < x: left = mid + 1 else: right = mid return left def upper_bound(arr, x): left, right = 0, len(arr) while left < right: mid = (left + right) // 2 if arr[mid] <= x: left = mid + 1 else: right = mid return left # 处理询问 for _ in range(q): a, b = map(int, input().split()) # 计算区间内干草捆的数量 count = upper_bound(haybales, b) - lower_bound(haybales, a) print(count) ``` ### 复杂度分析 - 时间复杂度:排序的时间复杂度为 $O(N \log N)$,每次二分查找的时间复杂度为 $O(\log N)$,总共有 $Q$ 个询问,所以总的时间复杂度为 $O(N \log N + Q \log N)$。 - 空间复杂度:主要是存储干草捆位置的数组,空间复杂度为 $O(N)$。
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