Hongwing的博客

Python & BinaryTree 1. BinaryTree (二叉树) 二叉树是有限个元素的集合，该集合或者为空、或者有一个称为根节点（root）的元素及两个互不相交的、分别被称为左子树和右子树的二叉树组成。 二叉树的每个结点至多只有二棵子树(不存在度大于2的结点)，二叉树的子树有左右之分，次序不能颠倒。 二叉树的第i层至多有2^{i-1}个结点 深度为

本篇文章主要涉及到 二叉树的非递归遍历（ForwardTravesal()/MiddleTravesal()） 二叉树的深度: DepthOfTree() 二叉树的叶子节点个数: CountsOfLeaves() 二叉树的非递归需要借助栈，原因在于递归遍历思想是基于栈的，现在要变为非递归，需要借助额外空间，空间换时间。 关于二叉树的递归遍历（Recur

最近的算法课老师在讲到“D & R”时，提到“递归（Recursive）”,再次听到这个词，脑海中复现的第一画面就是“三座塔”即经典的汉诺塔问题，本文就该问题的递归思想进行总结。 汉诺塔问题： 有三座塔台“A, B, C”,在塔A上有若干个盘子，盘子由上至下依次从小到大叠在一起，现在需要采用最少的移动步骤，将所有盘子从塔A移动到塔C，重点是必须保持盘子的大小顺序（从上到下依次从小到大） 递归思

Java中在编写代码时一定会涉及到相应数据结构的遍历问题，本文着重Collection框架中的Map和List的遍历 采用三种方法，根据需求采用即可

前言：动态规划的概念　　动态规划（dynamic programming）是通过组合子问题的解而解决整个问题的。分治算法是指将问题划分为一些独立的子问题，递归的求解各个问题，然后合并子问题的解而得到原问题的解。例如归并排序，快速排序都是采用分治算法思想。而动态规划与此不同，适用于子问题不是独立的情况，也就是说各个子问题包含有公共的子问题。如在这种情况下，用分治算法则会重复做不必要的工作。采用动态规划

编码 1 从森林中选取2颗子树进行合并，将生成的新树重新插入森林2 重复1，直到森林中只有一棵树 所有的待编码节点成为了这棵树的叶子结点，频度越高越靠近树根 解码同样采用树形结构进行解码(所有叶子存储数据，路径即编码) 如果码值是0则向左子树寻找；是1则向右子树寻找，直到找到叶子结点Code ->package src;import java.util.ArrayList;i