面试100题:16.打印二元树

本文介绍了一种从上到下、从左到右打印二元树各层节点的方法,并提供了一个C++实现示例。该算法使用双端队列进行层次遍历,确保了输出顺序正确。

转载并参考July的博客http://topic.youkuaiyun.com/u/20101126/10/b4f12a00-6280-492f-b785-cb6835a63dc9.html,万分感谢!

题目

输入一颗二元树,从上往下按层打印树的每个结点,同一层中按照从左往右的顺序打印。

输入:

       8

     /    \

   6     10

 /  \     /  \

5   7   9   11

 

输出:8   6   10   5   7   9   11。

/*Title: 16.从上到下从左到右打印二元树
Author:  gocode
Date:    2012-10-17*/
 
#include <iostream>
#include <deque>
using namespace std;
 
typedef struct Node
{
	int m_pData;
	Node* m_pLeft;
	Node* m_pRight;
} BSTNode;
 
void AddBSTNode(BSTNode* &pNode, int key)
{
	if(NULL == pNode)
	{
		BSTNode* pNewNode = new BSTNode();
		pNewNode->m_pLeft = NULL;
		pNewNode->m_pRight = NULL;
		pNewNode->m_pData = key;
		pNode = pNewNode;
	}
	else if(key < pNode->m_pData)
		AddBSTNode(pNode->m_pLeft, key);
	else if(key > pNode->m_pData)
		AddBSTNode(pNode->m_pRight, key);
	else
		cout<<"Duplicate node is not allowed."<<endl;
}
 
void DisplayBSTFromTopBottomLeftRight(BSTNode* root, deque<BSTNode*>&dequeue)
{
	if(NULL == root)
		return;
	else
		dequeue.push_back(root); // 压入队列尾部
 
	while(!dequeue.empty())
	{
		BSTNode* pCur = dequeue.front(); // 从队列前头取值
		BSTNode* pRight = pCur->m_pRight;
		BSTNode* pLeft = pCur->m_pLeft;
		dequeue.pop_front();
		cout<<pCur->m_pData<<" ";
 
	if(NULL != pLeft)
		dequeue.push_back(pLeft); // 压入队列尾部
	if(NULL != pRight)
		dequeue.push_back(pRight); // 压入队列尾部
	}
}
 
void main()
{
	deque<BSTNode*> dqe;
	BSTNode* myRoot = NULL;
	AddBSTNode(myRoot, 8);
	AddBSTNode(myRoot, 6);
	AddBSTNode(myRoot, 5);
	AddBSTNode(myRoot, 10);
	AddBSTNode(myRoot, 7);
	AddBSTNode(myRoot, 11);
	AddBSTNode(myRoot, 9);
 
	DisplayBSTFromTopBottomLeftRight(myRoot, dqe);
	system("pause");
}



【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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