[Leetcode] 101. Symmetric Tree 解题报告

本文介绍了一种检查二叉树是否为自身镜像的方法,即判断其是否围绕中心对称。通过递归和迭代两种方式实现了这一功能,并详细解释了各自的实现思路及代码示例。

题目

Given a binary tree, check whether it is a mirror of itself (ie, symmetric around its center).

For example, this binary tree [1,2,2,3,4,4,3] is symmetric:

    1
   / \
  2   2
 / \ / \
3  4 4  3

But the following [1,2,2,null,3,null,3] is not:

    1
   / \
  2   2
   \   \
   3    3

Note:
Bonus points if you could solve it both recursively and iteratively.

思路

1、递归:和Leetcode 100的思路基本一致,唯一的区别就是在递归的时候,用第一棵树的左子树和第二颗树的右子树对比,用第一棵树的右子树和第二颗数的左子树对比而已。时间复杂度和空间复杂度和Leetcode 100的完全一样。

2、迭代:迭代版实际上就是宽度优先搜索了。我们采用两个队列,依次存放左右两棵子树的节点,只不过右子树的节点需要反向存储。然后依次比较两个队列队首元素是否相同即可。虽然没有用递归,但是迭代版算法的空间复杂度仍然最高可以达到O(n),这是因为如果树足够平衡,那么队列中存储的元素的个数最多可以达到O(n)量级。时间复杂度仍然是O(n)。

代码

1、递归:

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    bool isSymmetric(TreeNode* root) {
        if (root == NULL) {
            return true;
        }
        return isSymmetric(root->left, root->right);
    }
private:
    bool isSymmetric(TreeNode* root1, TreeNode* root2) {
        if (root1 == NULL && root2 == NULL) {
            return true;
        }
        else if (root1 == NULL) {
            return false;
        }
        else if (root2 == NULL) {
            return false;
        }
        else {
            if (root1->val != root2->val) {
                return false;
            }
            if (!isSymmetric(root1->left, root2->right)) {
                return false;
            }
            if (!isSymmetric(root1->right, root2->left)) {
                return false;
            }
            return true;
        }
    }
};

2、迭代:

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    bool isSymmetric(TreeNode* root) {
        if (root == NULL) {
            return true;
        }
        TreeNode *left, *right;
        queue<TreeNode*> q1, q2;
        q1.push(root->left);
        q2.push(root->right);
        while (!q1.empty()) {   // q1 and q2 will always be the same size
            left = q1.front();
            q1.pop();
            right = q2.front();
            q2.pop();
            if (left == NULL && right == NULL) {
                continue;
            }
            else if (left == NULL || right == NULL) {
                return false;
            }
            else {
                if (left->val != right->val) {
                    return false;
                }
                q1.push(left->left);
                q1.push(left->right);
                q2.push(right->right);
                q2.push(right->left);
            }
        }
        return true;
    }
};

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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