Lowest Common Ancestor of A Binary Tree

[分析]
最近公共祖先(LCA)是一个经典问题,以前没有好好研究过这个问题,不知道还有个Tarjan算法,今天开了眼界。一般有两种方法分别适用不同场景:
1)递归算法,适合在线单次查询,如本题;
2)Tarjan算法,适合批量查询,输入是一颗树和N对定点,为每个顶点(u,v)确定LCA。
有兴趣的同学看参考[url]https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/03.03.md[/url], July讲得很全面清楚。
抛开算法本身做这道题目还有些学习点:
思路1:分别求出root到p和q的路径,求两条路径从根开始的最后一个公共节点。
实现中getPath2方法暴露没有对回溯掌握得还不够好,回溯时回溯到方法调用前的状态即可,不能多也不能少,这里就属于回溯过头了。
LinkedList被当做stack使用时get(0)获得的是栈顶元素,之前错误的认为调用get(i)就类似操作ArrayList的get(i), 按加入顺序返回。
思路2:经典的递归写法,牢记树的很多问题都可以用递归解决,因为树本身是递归描述的。



public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {
if (root == null || root == p || root == q) return root;
TreeNode left = lowestCommonAncestor(root.left, p, q);
TreeNode right = lowestCommonAncestor(root.right, p, q);
if (left != null && right != null) return root;
else return left != null ? left : right;
}
public TreeNode lowestCommonAncestor1(TreeNode root, TreeNode p, TreeNode q) {
LinkedList<TreeNode> path1 = new LinkedList<TreeNode>();
getPath(root, p, path1);
LinkedList<TreeNode> path2 = new LinkedList<TreeNode>();
getPath(root, q, path2);
TreeNode lca = root;
int i = path1.size() - 1, j = path2.size() - 1;
while (i >= 0 && j >= 0) {
if (path1.get(i) != path2.get(j))
break;
lca = path1.get(i);
i--; j--;
}
return lca;
}
private boolean getPath(TreeNode root, TreeNode x, LinkedList<TreeNode> path) {
if (root == null) return false;
path.push(root);
if (root == x || getPath(root.left, x, path) || getPath(root.right, x, path))
return true;
else{
path.pop();
return false;
}
}
// Wrong version
private boolean getPath2(TreeNode root, TreeNode x, LinkedList<TreeNode> path) {
if (root == null)
return false;
path.push(root);
if (root == x) {
return true;
}
if (getPath(root.left, x, path))
return true;
else {
if (!path.isEmpty()) {
path.pop();
}
if (getPath(root.right, x, path))
return true;
else if (!path.isEmpty()) {
path.pop();
}
}
return false;
}
标题基于Python的自主学习系统后端设计与实现AI更换标题第1章引言介绍自主学习系统的研究背景、意义、现状以及本文的研究方法和创新点。1.1研究背景与意义阐述自主学习系统在教育技术领域的重要性和应用价值。1.2国内外研究现状分析国内外在自主学习系统后端技术方面的研究进展。1.3研究方法与创新点概述本文采用Python技术栈的设计方法和系统创新点。第2章相关理论与技术总结自主学习系统后端开发的相关理论和技术基础。2.1自主学习系统理论阐述自主学习系统的定义、特征和理论基础。2.2Python后端技术栈介绍DjangoFlask等Python后端框架及其适用场景。2.3数据库技术讨论关系型和非关系型数据库在系统中的应用方案。第3章系统设计与实现详细介绍自主学习系统后端的设计方案和实现过程。3.1系统架构设计提出基于微服务的系统架构设计方案。3.2核心模块设计详细说明用户管理、学习资源管理、进度跟踪等核心模块设计。3.3关键技术实现阐述个性化推荐算法、学习行为分析等关键技术的实现。第4章系统测试与评估对系统进行功能测试和性能评估。4.1测试环境与方法介绍测试环境配置和采用的测试方法。4.2功能测试结果展示各功能模块的测试结果和问题修复情况。4.3性能评估分析分析系统在高并发等场景下的性能表现。第5章结论与展望总结研究成果并提出未来改进方向。5.1研究结论概括系统设计的主要成果和技术创新。5.2未来展望指出系统局限性并提出后续优化方向。
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