trie-树详解(后续)

01 //删除一个单词,以及只和这个单词所相关的中间结点,不删除root
02 //当一个结点的isStr为false 而且next都为空时就可以断定它只和该word相关,可以删除
03 boolTrie::deleteWord(constchar* word)
04 {
05 TrieNode * current = root;
06 std::stack<TrieNode*> nodes;//用来记录经过的中间结点,供以后自下而上的删除
07 while(*word !='\0'&& current != 0)
08 {
09 nodes.push(current);//经过的中间结点压栈
10 current = current->next[*word -'a'];
11 }
12 if(current && current->isStr)
13 {
14 current->isStr =false;//此时current指向该word对应的叶子结点
15 while(nodes.size() != 0)
16 {
17 charc = *(--word);
18 current = nodes.top()->next[c -'a'];//取得当前处理的结点
19 boolallNull =true;
20 for(inti=0;i<26;++i)//判断该结点是否所有的next为空
21 {
22 if(current->next[i] != 0)
23 {
24 allNull =false;
25 }
26 }
27 if(current->isStr == 0 && allNull == 0)//当一个结点的isStr为false 而且next都为空时就可以断定它只和该word相关,可以删除
28 {
29 deletecurrent;
30 }
31 else//说明当前这个中间结点也被其他的结点所用,不能删除。
32 {
33 break;
34 }
35 nodes.top()->next[c -'a'] = 0;//把上层的结点的next中指向current结点的指针清0
36 nodes.pop();
37 }
38 returntrue;
39 }
40 else
41 {
42 returnfalse;
43 }
44 }
【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为多目标优化问题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