力扣:655. 输出二叉树

本文介绍如何使用Java实现二叉树的深度优先搜索(DFS)和层次遍历,通过层次结构打印输出,用以展示树的结构。方法包括计算树的高度,利用递归进行DFS,并创建层级列表。
/**
 * Definition for a binary tree node.
 * public class TreeNode {
 *     int val;
 *     TreeNode left;
 *     TreeNode right;
 *     TreeNode() {}
 *     TreeNode(int val) { this.val = val; }
 *     TreeNode(int val, TreeNode left, TreeNode right) {
 *         this.val = val;
 *         this.left = left;
 *         this.right = right;
 *     }
 * }
 */
class Solution {
    public List<List<String>> printTree(TreeNode root) {
        int height = height(root);
        int m = height + 1;
        int n = (1 << m) - 1;
        List<List<String>> res = new ArrayList<>();
        for (int i = 0; i < m; i++){
            List<String> temp = new ArrayList<>();
            for (int j = 0; j < n; j++){
                temp.add("");
            }
            res.add(temp);
        }
        dfs(root, res, 0, (n - 1) / 2, height);
        return res;
    }

    // 获取树的高度
    private int height(TreeNode root){
        int h = 0; 
        if (root.left != null){
            h = Math.max(h, height(root.left) + 1);
        }

        if (root.right != null){
            h = Math.max(h, height(root.right) + 1);
        }
        return h;
    }

    // 填充结果
    private void dfs(TreeNode node, List<List<String>> res, int row, int mid, int height){
        res.get(row).set(mid, Integer.toString(node.val));
        if (node.left != null){
            dfs(node.left, res, row + 1, mid - (1 << (height - row - 1)), height);
        }
        if (node.right != null){
            dfs(node.right, res, row + 1, mid + (1 << (height - row - 1)), height);
        }
    }
}

【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改进中。
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