二叉树学习

#include<iostream>
#include<string.h>
using namespace std;
struct Node
{
    char data;
    Node* left;
    Node* right;
    Node():left(NULL),right(NULL){}
    Node(char x,Node* l=NULL,Node* r=NULL){data=x;}
};
class Tree
{
public:
    Tree():root(NULL){}
    ~Tree(){Destroy(root);}

    //广义表创建
    //void createTree(createTree(root);)
    void Destroy(Node* root);
    void createBinTree_pre_in(const char *pre, const char *in)
    {
        int n = strlen(pre);
        createTree_pre_in(root, pre, in, n);
    }
    void createTree_pre_in(Node*& cur,const char* pre,const char* in,int n);//先序&中序遍历
    //先序遍历
    void Pre_order(){pre_order(root);}
    void pre_order(Node* root);
    //后续遍历
    void Post_order(){post_order(root);}
    void post_order(Node* root);
private:
    Node* root;
};
void Tree::createTree_pre_in(Node*& cur,const char* pre,const char* in,int n)
{
    if (n <= 0)
        {
            cur = NULL;
            return;
        }
    int k=0;
    while(pre[0]!=in[k]){k++;}
    cur=new Node(in[k]);
    createTree_pre_in(cur->left,pre+1,in,k);
    createTree_pre_in(cur->right,pre+k+1,in+k+1,n-k-1);
}
void Tree::pre_order(Node* root){
    if (root != NULL)
    {
        cout << root->data << " ";
        pre_order(root->left);
        pre_order(root->right);
    }
}
void Tree::post_order(Node* root){
    if(root!=NULL){
        post_order(root->left);
        post_order(root->right);
        cout<<root->data<<" ";
    }
}
void Tree::Destroy(Node* root){
    if(root==NULL)
        return;
    Destroy(root->left);
    Destroy(root->right);
    delete root;
}
int main()
{
    char pre[]="12473568";
    char in[]="47215386";
    Tree T;
    T.createBinTree_pre_in(pre,in);
    T.Pre_order();
    cout<<endl;
    T.Post_order();
    cout<<endl;
    T.~Tree();
    cout<<"destoried"<<endl;

}

 

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
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