1123 Is It a Complete AVL Tree

本文介绍了一种平衡二叉搜索树——AVL树的实现方法,包括节点插入、左旋右旋调整等核心操作,并通过示例展示了如何构建AVL树及进行层次遍历与后序遍历。
#include<iostream> 
#include<vector>
#include<queue>
#include<bits/stdc++.h>
using namespace std;
//insert函数中试着把指针的引用改成单纯的指针?wrong!!! 
struct Node{
	int data;
	Node* left;
	Node* right;
};
vector<int> le,pos;
Node* newNode(int v){
	Node* node=new Node;
	node->data=v;
	node->left=node->right=NULL;
	return node;
}
void L(Node* &root){
	Node* temp=root->right;
	root->right=temp->left;
	temp->left=root;
	root=temp;
}
void R(Node* &root){
	Node* temp=root->left;
	root->left=temp->right;
	temp->right=root;
	root=temp;
}
int getheight(Node* root){
	if(root==NULL) return 0;
	return max(getheight(root->left),getheight(root->right))+1;
}
void insert(Node* &root,int v){
	if(root==NULL){
		root=newNode(v);
		return;
	}else if(v<root->data){
		insert(root->left,v);
		int l=getheight(root->left);
		int r=getheight(root->right);
		if(l-r==2){
			if(v<root->left->data)
			R(root);
			else{
				L(root->left);
				R(root);
			}
		}
	}else{
		insert(root->right,v);
		int l=getheight(root->left);
		int r=getheight(root->right);
		if(r-l==2){
			if(v>root->right->data)
				L(root);
			else{
				R(root->right);
				L(root);
			}
		}
	}
}
Node* build(vector<int> data){
	Node* root=NULL;
	for(int i=0;i<data.size();i++){
		insert(root,data[i]); 
	} 
	return root;
}
void leveltra(Node* root){
	queue<Node*> q;
	q.push(root);
	while(!q.empty()){
		Node* now=q.front();
		q.pop();
		le.push_back(now->data);
		if(now->left!=NULL) q.push(now->left);
		if(now->right!=NULL) q.push(now->right);
	}
}
void _pos(Node* root){
	if(root==NULL) return;
	_pos(root->left);
	_pos(root->right);
	pos.push_back(root->data);
}
bool judge1(Node* root){
	if(root==NULL) return true;
	queue<Node*> q;
	q.push(root);
	bool shouldbeleaf=false;
	while(!q.empty()){
		Node* now=q.front();
		q.pop();
		if(shouldbeleaf==true&&(now->left!=NULL||now->right!=NULL)){
			return false;
		}
		if(now->left==NULL&&now->right!=NULL){
			return false;
		}
		if(now->left!=NULL) q.push(now->left);
		if(now->right!=NULL) q.push(now->right);
		else shouldbeleaf=true;
		
	}
	return true;
}
int main()
{
	#ifdef ONLINE_JUDGE
	#else
	freopen("in.txt","r",stdin);
	#endif
	int n;
	cin>>n;
	Node* root=NULL;
	vector<int> data;
	for(int i=0;i<n;i++){
		int temp;
		cin>>temp;
		data.push_back(temp);
	}
	root=build(data);
	leveltra(root);
	for(int i=0;i<le.size();i++){
		if(i==0)
		cout<<le[i];
		else
		cout<<' '<<le[i];
	}
	cout<<endl;
	if(judge1(root)) cout<<"YES"<<endl;
	else cout<<"NO"<<endl;
	return 0;
}

 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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