leetcode Binary Tree Postorder Traversal

本文介绍了一种使用栈实现二叉树迭代遍历的方法,包括后序、先序和中序遍历的非递归算法实现。通过具体代码示例详细解释了每种遍历方式的工作原理。

题目要求利用迭代算法,也即非递归方法实现二叉树的后序遍历

算法中主要利用了栈

代码

//迭代算法 后序遍历
	 vector<int> postorderTraversal(TreeNode *root) {  
        vector<int> res;
		stack<TreeNode*> stackTreeNodes;
		if(root == NULL)
			return res;
		
		stackTreeNodes.push(root);
		
	    TreeNode *pre, *cur;
		pre = NULL;
		cur = root;		

		while(!stackTreeNodes.empty())
		{
			cur = stackTreeNodes.top();
			if((cur->left==NULL&&cur->right==NULL)||((pre!=NULL)&&(pre == cur->left||pre == cur->right)))
			{
				res.push_back(cur ->val);
				stackTreeNodes.pop();
				pre = cur;
			
			}
			else
			{
				if(cur->right!=NULL)
					stackTreeNodes.push(cur->right);
				if(cur->left!=NULL)
					stackTreeNodes.push(cur->left);
			
			}
		}

		return res;
    }  


先序与中序的非递归算法如下

//迭代算法 先序遍历
	vector<int> preorderTraversal(TreeNode * root)
	{
		vector<int> res;
		stack<TreeNode *>stackTreeNodes;

		if(root==NULL)
			return res;

		TreeNode * cur;
		cur = root;

		stackTreeNodes.push(root);

		while(!stackTreeNodes.empty())
		{
			cur = stackTreeNodes.top();
			res.push_back(cur->val);
			stackTreeNodes.pop();
			if(cur->right!=NULL)
				stackTreeNodes.push(cur->right);
			if(cur->left!=NULL)
				stackTreeNodes.push(cur->left);
		}

		return res;
	
	}


//迭代算法 中序遍历
	vector<int> inorderTraversal(TreeNode * root)
	{
		vector<int> res;
		stack<TreeNode *> stackTreeNodes;

		TreeNode * cur = root;

		while(!stackTreeNodes.empty()||cur!=NULL)
		{
			while(cur!=NULL)
			{
				stackTreeNodes.push(cur);
				cur = cur->left;
			}

			if(!stackTreeNodes.empty())
			{
				cur = stackTreeNodes.top();
				res.push_back(cur->val);
				stackTreeNodes.pop();
				cur = cur->right;				
			
			}		
		
		}
		return res;

	}



基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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