算法 | 剑指Offer-24 二叉树中和为某一值的路径

本文介绍了一种基于非递归先序遍历的算法,用于寻找二叉树中节点值之和等于特定整数的所有路径。算法通过使用栈进行回溯,并利用ArrayList记录路径,确保了在返回值的list中,数组长度大的数组靠前。

问题描述:

输入一颗二叉树的跟节点和一个整数,打印出二叉树中结点值的和为输入整数的所有路径。路径定义为从树的根结点开始往下一直到叶结点所经过的结点形成一条路径。(注意: 在返回值的list中,数组长度大的数组靠前)

基本思路:

二叉树的路径问题,基于二叉树的遍历。也就是说既可以是递归形式也可以是非递归形式。


以下三点是主要考虑的问题。

  1. 因为要计算路径上数的和,使用先序遍历明显是最佳方案。
  2. 在遍历过程中需要记录路径,这里引入一个List 用来记录路径
    使用LinkedList更合适,原题使用的是ArrayList,所以这里采用ArrayList
  3. 常规先序遍历是把节点的右节点压入栈,这里是把含有右子树的节点压入栈。
    目的是为了方便回溯。回溯条件是 栈顶节点 == 路径队列尾节点

代码的骨架是先序非递归遍历。只是在回溯的时候需要稍加注意

import java.util.*;

public class Solution {
    
  public ArrayList<ArrayList<Integer>> FindPath(TreeNode root, int target) {
        ArrayList<ArrayList<Integer>> ans = new ArrayList<>(); // 所有合格路径集合
        Stack<TreeNode> nStack = new Stack<>();  // 用于回溯的栈
        ArrayList<TreeNode> paths = new ArrayList<>();  // 用于记录路径的队列
        TreeNode index = root;  //当前节点
        int current = 0;  // 当前路径的和

        while (index != null || nStack.size() != 0) {
            current = current + index.val; // 计算路径和
            paths.add(index); // 更新路径
            // 如果该节点合格,添加到路径集合中
            if (index.right == null && index.left == null && current == target) {
                ArrayList<Integer> list = new ArrayList<>();
                for (TreeNode t : paths) {
                    list.add(t.val);
                }
                ans.add(list);  
            }
            if (index.right != null) 
                nStack.push(index); // 注意这里区别于传统的先序遍历
            // 访问左子树
            if (index.left != null) {
                index = index.left;
            } else if (!nStack.isEmpty()) {
                index = nStack.pop();
                // 核心:路径回溯
                while (paths.get(paths.size() - 1) != index) {
                    current -= paths.get(paths.size() - 1).val;
                    paths.remove(paths.size() - 1);
                }
                index = index.right;
            } else {
                index = null;
            }
        }
        return ans;
    }
}
【轴承故障诊断】基于融合鱼鹰柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了种基于融合鱼鹰柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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