第6周 数据结构-树

本文介绍了如何非递归地实现二叉树的前序、中序和后序遍历,并探讨了二叉查找树(BST)的相关操作,包括修剪BST、寻找BST的第k个元素、将BST中每个节点值加上比其大的节点值以及求BST的最近公共祖先。这些算法均具有O(n)的时间复杂度和O(n)的空间复杂度,涉及数据结构和算法的重要概念。

前中后序遍历

非递归实现二叉树的前序遍历
class Solution {
public:
    vector<int> preorderTraversal(TreeNode* root) { 
        /*
        思路:用栈模拟函数的递归调用,注意栈是先进后出,所以应该先将右子节点压栈再将左子节点压栈
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        stack<TreeNode*> sk;
        vector<int> ans;
        
        if(root == NULL)
            return ans;
        
        sk.push(root);
        
        while(!sk.empty()){
            TreeNode* node = sk.top();
            sk.pop();
            
            ans.push_back(node->val);
            
            if(node->right != NULL)   sk.push(node->right);
            if(node->left != NULL)    sk.push(node->left);
            
        }
        
        return ans;
    }
};
非递归实现二叉树的后序遍历
class Solution {
public:
    vector<int> inorderTraversal(TreeNode* root) {
        /*
        思路:和后续遍历类似
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        stack<TreeNode*> sk;
        sk.push(root);
        
        vector<int> ans;
        if(root == NULL)
            return ans;
        
        while(!sk.empty()){
            TreeNode* node = sk.top();
            sk.pop();
            
            if(node->left == NULL && node->right == NULL){
                ans.push_back(node->val);
            }
            else{
                if(node->right != NULL){
                    sk.push(node->right);
                    node->right = NULL;
                }
                sk.push(node);
                if(node->left != NULL){
                    sk.push(node->left);
                    node->left = NULL;
                }
            }
        }
        return ans;
    }
};
非递归实现二叉树的中序遍历
class Solution {
public:
    vector<int> postorderTraversal(TreeNode* root) {
        /*
        思路:后续遍历,等左右子树遍历完再遍历根节点,所有一开始不处理根节点,左右子树处理完再处理根节点,为了区分左右子树时候处理完,所有一开始处理根节点时需要做标记,访问了之后就将根节点的子节点指针置为NULL
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        stack <TreeNode*> sk;
        vector<int> ans;
        
        if(root == NULL)
            return ans;
        
        sk.push(root);
        
        while(!sk.empty()){
            TreeNode* node = sk.top();
            // sk.pop();
            
            if(node->left == NULL && node->right == NULL){
                ans.push_back(node->val);
                sk.pop();
            }
            else{
                if(node->right != NULL){
                    sk.push(node->right);
                    node->right = NULL;
                }
                if(node->left != NULL){
                    sk.push(node->left);
                    node->left = NULL;
                }
            }    
        }
        return ans;
        
    }
};

BST

修剪二叉查找树
class Solution {
public:    
    TreeNode* trimBST(TreeNode* root, int low, int high) {
        /*
        思路:先对左右子树进行修剪,再判断根节点是否需要修剪,如果需要则根据左右子树是否为空进行处理,可以推断左右子树不可能同时不为空
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        if(root == NULL)
            return NULL;
        
        root->left = trimBST(root->left, low, high);
        root->right = trimBST(root->right, low, high);
        
        if(root->val >= low && root->val <= high)
            return root;
        
        if(root->left == NULL)
            return root->right;
        else if(root->right == NULL)
            return root->left;
        
        return root;
    }
};
寻找二叉查找树的第 k 个元素
public:
    int count(TreeNode* node){
        if(node == NULL)
            return 0;
        return 1 + count(node->left) + count(node->right);
    }
    int kthSmallest(TreeNode* root, int k) {
        /*
        思路:先得到左子树节点个数,然后根据个数判断第k小的节点在左子树还是右子树
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        int left_num = count(root->left);
        
        if(k == left_num+1)
            return root->val;
        else if(k > left_num+1)
            return kthSmallest(root->right, k-left_num-1);
        else
            return kthSmallest(root->left, k);
        return -1;        
    }
};
把二叉查找树每个节点的值都加上比它大的节点的值
class Solution {
public:
    int sum;
    
    void traverse(TreeNode* node){
        if(node == NULL)
            return ;
        
        traverse(node->right);
        
        node->val += sum;
        sum = node->val;
        
        traverse(node->left);
        
    }
    
    TreeNode* convertBST(TreeNode* root) {
        /*
        思路:在遍历的过程中先遍历右子树,再遍历根,再遍历左子树,这个过程中用一个全局变量sum记录遍历过的节点的值的总和
        思路2(未实现):中序遍历得到从小到大的序列,用两个vector分别记录节点值和节点指针,通过节点值的vector计算该节点值更新后的值,然后使用节点指针vector修改该节点的值
        时间复杂度:O(n)
        空间复杂度:O(n)
        */
        if(root == NULL)
            return root;
        
        sum = 0;
        
        traverse(root);
        
        return root;
        
    }
};
二叉查找树的最近公共祖先
class Solution {
public:
    TreeNode* lowestCommonAncestor(TreeNode* root, TreeNode* p, TreeNode* q) {
        /*
        思路:如果根节点的值在[p,q]内,则根节点必为答案,如果根节点的值<p,则答案在根节点的右子树上,如果根节点的值>q,则答案在根节点的左子树上
        */
        if(p->val > q->val)
            swap(p, q);
        
        if(root->val >= p->val && root->val <= q->val)
            return root;
        if(root->val < p->val)
            return lowestCommonAncestor(root->right, p, q);
        if(root->val > q->val)
            return lowestCommonAncestor(root->left, p, q);
        return NULL;
        
    }
};
源码来自:https://pan.quark.cn/s/a4b39357ea24 ### 操作指南:洗衣机使用方法详解#### 1. 启动与水量设定- **使用方法**:使用者必须首先按下洗衣设备上的“启动”按键,同时依据衣物数量设定相应的“水量选择”旋钮(高、中或低水量)。这一步骤是洗衣机运行程序的开端。- **运作机制**:一旦“启动”按键被触发,洗衣设备内部的控制系统便会启动,通过感应器识别水量选择旋钮的位置,进而确定所需的水量高度。- **技术执行**:在当代洗衣设备中,这一流程一般由微处理器掌管,借助电磁阀调控进水量,直至达到指定的高度。#### 2. 进水过程- **使用说明**:启动后,洗衣设备开始进水,直至达到所选的水位(高、中或低)。- **技术参数**:水量的监测通常采用浮子式水量控制器或压力感应器来实现。当水位达到预定值时,进水阀会自动关闭,停止进水。- **使用提醒**:务必确保水龙头已开启,并检查水管连接是否牢固,以防止漏水。#### 3. 清洗过程- **使用步骤**:2秒后,洗衣设备进入清洗环节。在此期间,滚筒会执行一系列正转和反转的动作: - 正转25秒 - 暂停3秒 - 反转25秒 - 再次暂停3秒- **重复次数**:这一系列动作将重复执行5次,总耗时为280秒。- **技术关键**:清洗环节通过电机驱动滚筒旋转,利用水流冲击力和洗衣液的化学效果,清除衣物上的污垢。#### 4. 排水与甩干- **使用步骤**:清洗结束后,洗衣设备会自动进行排水,将污水排出,然后进入甩干阶段,甩干时间为30秒。- **技术应用**:排水是通过泵将水抽出洗衣设备;甩干则是通过高速旋转滚筒,利用离心力去除衣物上的水分。- **使用提醒**:...
代码下载地址: https://pan.quark.cn/s/c289368a8f5c 在安卓应用开发领域,构建一个高效且用户友好的聊天系统是一项核心任务。 为了协助开发者们迅速达成这一目标,本文将分析几种常见的安卓聊天框架,并深入说明它们的功能特性、应用方法及主要优势。 1. **环信(Easemob)** 环信是一个专为移动应用打造的即时通讯软件开发套件,涵盖了文本、图片、语音、视频等多种消息形式。 通过整合环信SDK,开发者能够迅速构建自身的聊天平台。 环信支持消息内容的个性化定制,能够应对各种复杂的应用场景,并提供多样的API接口供开发者使用。 2. **融云(RongCloud)** 融云作为国内领先的IM云服务企业,提供了全面的聊天解决方案,包括一对一交流、多人群聊、聊天空间等。 融云的突出之处在于其稳定运行和高并发处理性能,以及功能完备的后台管理工具,便于开发者执行用户管理、消息发布等操作。 再者,融云支持多种消息格式,如位置信息、文件传输、表情符号等,显著增强了用户聊天体验。 3. **Firebase Cloud Messaging(FCM)** FCM由Google提供的云端消息传递服务,可达成安卓设备与服务器之间的即时数据交换。 虽然FCM主要应用于消息推送,但配合Firebase Realtime Database或Firestore数据库,开发者可以开发基础的聊天软件。 FCM的显著优势在于其全球性的推送网络,保障了消息能够及时且精确地传输至用户。 4. **JMessage(极光推送)** 极光推送是一款提供消息发布服务的软件开发工具包,同时具备基础的即时通讯能力。 除了常规的文字、图片信息外,极光推送还支持个性化消息,使得开发者能够实现更为复杂的聊天功能。 此...
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