简单BinaryTree实现

本文介绍了一个简单的二叉树实现案例,通过具体代码展示了如何构建一个能够添加元素、统计大小并转换为数组的二叉树。使用自定义的Phone类作为节点数据,通过比较价格属性来决定插入位置。
package BinaryTree;
/**
 * 选择第一个元素作为根节点
 * 比根节点打的数据保存在右子数
 * 比根节点数据小的保存在左子树
 * 输出:中序遍历
 *  左→中→右
 * @author LY
 *
 */
public class TestBinaryTree {
    public static void main(String[] args) {
        BinaryTree bt = new BinaryTree();
        bt.add(new Phone("和米",103.10));
        bt.add(new Phone("白米",122.10));
        bt.add(new Phone("绿米",103341.10));

        System.out.println(bt.size());
        Object result[] = bt.toArray();

        for (Object object : result) {
            System.out.println(object);
        }
    }

}
package BinaryTree;
//二叉树实现类
public class BinaryTree {
    //首先要定义一个Node的类来进行节点的处理操作
    private class Node{
        private Comparable data;
        private Node left;  //比根节点打的数据保存在右子数
        private Node right; //比根节点数据小的保存在左子树
        Node(Comparable data){  //编写Node的构造函数
            this.data = data;
        }
        public void addNode(Node newNode) {
            if(newNode.data.compareTo(this.data) < 0){
                if(this.left == null){
                    this.left = newNode;
                }else{
                    this.left.addNode(newNode);
                }
            }else{
                if(this.right== null){
                    this.right= newNode;
                }else{
                    this.right.addNode(newNode);
                }
            }
        }
        private void toArrayNode() {
            if(this.left != null){
                this.left.toArrayNode();
            }
            BinaryTree.this.retObj[BinaryTree.this.foot++] = this.data;
            if(this.right!= null){
                this.right.toArrayNode();
            }
        }
    }

        //*****************************************
        //编写BinaryTree的程序
        private Node root;  //任何节点操作都离不开根节点
        private int count;  //进行数据统计
        private int foot;   //进行标记
        private Object[] retObj;    //创建数组用来接收保存的数据
        public void add(Object obj){
            Node newNode = new Node((Comparable)obj);
            if(obj == null){
                return ;
            }
            if(this.root == null){
                this.root = newNode;
            }else{
                this.root.addNode(newNode);
            }this.count++;
    }
        public int size(){
            return this.count;
        }
        public Object[] toArray(){
            this.foot = 0;
            if(this.count == 0){
                return null;
            }
            this.retObj = new Object[this.count];
            this.root.toArrayNode();
            return this.retObj;
        }


}




package BinaryTree;

public class Phone implements Comparable<Phone>{
    private String brand;
    private double price;

    @Override
    public String toString() {
        return "Phone [brand=" + brand + ", price=" + price + "]";
    }
    public Phone(String brand, double price) {
        super();
        this.brand = brand;
        this.price = price;
    }
    public String getBrand() {
        return brand;
    }
    public void setBrand(String brand) {
        this.brand = brand;
    }
    public double getPrice() {
        return price;
    }
    public void setPrice(double price) {
        this.price = price;
    }
    @Override
    public int compareTo(Phone o) {     //实现二叉树得进行对象比较,然而想对电话这样的类进行比较就需要实现Comparable的接口,覆写compareTo方法来对电话里的price属性进行比较
        if(this.price > o.price){
            return 1;
        }if(this.price < o.price){
            return -1;
        }return 0;
    }
}













内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论 2
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