重建二叉树

本文介绍了一种递归方法来重建二叉树,通过使用先序、中序遍历序列,逐步构建树结构,强调了算法的简洁性和效率。

《编程之美》中的重建二叉树一题,文中所给方法自觉并非有“美”感。

我写了一个递归的方法。

1、每次递归只建立一个根节点,该根节点即为先序遍历的第一个字符,称为rootValue;

2、然后在中序遍历中找到rootValue,左边一段为左子树的中序遍历,右边一段为右子树的中序遍历;

3、根据中序遍历中rootValue的偏移量offset,可以在前序遍历找到左子树的前序遍历,和右子树的前序遍历;

如此,递归调用,即可完成。


#include <iostream>
#include <assert.h>

using namespace std;

struct NODE {
	char value;
	NODE *leftChild;
	NODE *rightChild;
};

void preOrderTraverse (NODE *root){
	if(root == NULL)
		return;
	cout << root->value;
	preOrderTraverse(root->leftChild);
	preOrderTraverse(root->rightChild);
	
}

void inOrderTraverse (NODE *root){
	if(root == NULL)
		return;
	inOrderTraverse(root->leftChild);
	cout << root->value;
	inOrderTraverse(root->rightChild);
	
}

void postOrderTraverse (NODE *root){
	if(root == NULL)
		return;
	postOrderTraverse(root->leftChild);
	postOrderTraverse(root->rightChild);
	cout << root->value;
	
}

int getOffset(char *pInOrder, char rootValue,
	int begin, int end) {

		for(int i = begin; i <= end; ++i) {
			if(pInOrder[i] == rootValue){
				return i - begin;		
				break;
			}
		}
}

NODE* build (char *pPreOrder, int preBegin, int preEnd,
	char *pInOrder,	int inBegin, int inEnd) { 
		

		NODE *root = new NODE;
		root->value = pPreOrder[preBegin];

		int rootOffset = getOffset(pInOrder, root->value, inBegin, inEnd);

		if(rootOffset > 0){
			root->leftChild = build(pPreOrder, preBegin + 1, preBegin + rootOffset,
				pInOrder, inBegin, inBegin + rootOffset - 1);
		}
		else
			root->leftChild = NULL;

		if(rootOffset < inEnd - inBegin){
			root->rightChild = build(pPreOrder, preBegin + rootOffset + 1, preEnd,
				pInOrder, inBegin + rootOffset + 1, inEnd);
		}
		else
			root->rightChild = NULL;

		return root;
}

void Rebuild (char *pPreOrder, char *pInOrder,
	int nTreeLength, NODE **pRoot){

		if(pPreOrder == NULL)
			cerr << "invalid input" << endl;
		*pRoot = build(pPreOrder, 0, nTreeLength - 1, pInOrder, 0, nTreeLength - 1);

}

int main(){

	char pPreOrder[] = "abcdefg";
	char pInOrder[] = "bcaedgf";

	NODE **pRoot = new NODE*;
	*pRoot = NULL;
	Rebuild(pPreOrder, pInOrder, 7, pRoot);

	cout << "pre_order: ";
	preOrderTraverse(*pRoot);

	cout << "\nin_order: ";
	inOrderTraverse(*pRoot);

	cout << "\npost_order: ";
	postOrderTraverse(*pRoot);
	
	cout << endl;

	return 0;
}


内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
数字图像隐写术是一种将秘密信息嵌入到数字图像中的技术,它通过利用人类视觉系统的局限性,在保持图像视觉质量的同时隐藏信息。这项技术广泛应用于信息安全、数字水印和隐蔽通信等领域。 典型隐写技术主要分为以下几类: 空间域隐写:直接在图像的像素值中进行修改,例如LSB(最低有效位)替换方法。这种技术简单易行,但对图像处理操作敏感,容易被检测到。 变换域隐写:先将图像转换到频域(如DCT或DWT域),然后在变换系数中嵌入信息。这类方法通常具有更好的鲁棒性,能抵抗一定程度的图像处理操作。 自适应隐写:根据图像的局部特性动态调整嵌入策略,使得隐写痕迹更加分散和自然,提高了安全性。 隐写分析技术则致力于检测图像中是否存在隐藏信息,主要包括以下方法: 统计分析方法:检测图像统计特性的异常,如直方图分析、卡方检测等。 机器学习方法:利用分类器(如SVM、CNN)学习隐写图像的区分特征。 深度学习方法:通过深度神经网络自动提取隐写相关特征,实现端到端的检测。 信息提取过程需要密钥或特定算法,通常包括定位嵌入位置、提取比特流和重组信息等步骤。有效的隐写系统需要在容量、不可见性和鲁棒性之间取得平衡。 随着深度学习的发展,隐写与反隐写的技术对抗正在不断升级,推动了这一领域的持续创新。
<think>嗯,用户想用C++实现重建二叉树的方法,特别是根据前序和中序遍历来构建。我需要参考提供的引用内容,特别是引用[2]和[4]中的代码示例。首先,我应该确认递归方法的步骤:前序的第一个元素是根节点,然后在中序中找到根的位置,分割左右子树,再递归处理左右子树。用户可能需要详细的步骤解释和代码示例,同时注意边界条件,比如空数组的情况。还要考虑代码的效率,比如使用哈希表来快速查找中序中的根节点位置,如引用[1]提到的indexMap。不过引用[2]中的代码用的是循环查找,可能需要优化。另外,引用[4]提到了递归的模板,可以按照这个结构来组织代码。最后,需要生成相关问题,比如优化方法或应用场景。确保代码正确,语法正确,并符合用户的要求。</think>### C++实现重建二叉树的方法 根据前序遍历和中序遍历重建二叉树的步骤如下: 1. **递归终止条件** 当前序遍历或中序遍历序列为空时返回空指针。 2. **确定根节点** 前序遍历序列的第一个元素为当前子树的根节点值,例如:$pre[0] = rootVal$[^3]。 3. **划分左右子树** 在中序遍历序列中找到根节点的位置$i$,则: - 左子树的中序遍历范围:$vin[0]$至$vin[i-1]$ - 右子树的中序遍历范围:$vin[i+1]$至$vin[end]$ 前序遍历序列根据中序划分结果计算左右子树范围[^4]。 4. **递归构建子树** 对左右子树的序列递归调用构建函数。 #### 代码实现(优化版) ```cpp #include <vector> #include <unordered_map> using namespace std; struct TreeNode { int val; TreeNode* left; TreeNode* right; TreeNode(int x) : val(x), left(nullptr), right(nullptr) {} }; class Solution { public: unordered_map<int, int> indexMap; // 中序遍历值到索引的哈希表 TreeNode* buildTree(vector<int>& pre, int preStart, int preEnd, vector<int>& vin, int vinStart, int vinEnd) { if (preStart > preEnd || vinStart > vinEnd) return nullptr; int rootVal = pre[preStart]; TreeNode* root = new TreeNode(rootVal); int i = indexMap[rootVal]; // 直接通过哈希表查找位置 int leftSize = i - vinStart; root->left = buildTree(pre, preStart + 1, preStart + leftSize, vin, vinStart, i - 1); root->right = buildTree(pre, preStart + leftSize + 1, preEnd, vin, i + 1, vinEnd); return root; } TreeNode* reConstructBinaryTree(vector<int> pre, vector<int> vin) { if (pre.empty() || vin.empty()) return nullptr; for (int i = 0; i < vin.size(); i++) indexMap[vin[i]] = i; // 预存中序遍历索引 return buildTree(pre, 0, pre.size()-1, vin, 0, vin.size()-1); } }; ``` #### 关键改进说明 1. **哈希表优化**:通过预存中序遍历索引,将查找根节点位置的时间复杂度从$O(n)$降为$O(1)$[^1]。 2. **避免向量拷贝**:原代码通过向量切片传递参数(如`leftpre`),现改为传递索引范围,减少内存占用。 3. **边界条件处理**:明确递归终止条件,避免栈溢出。
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