重建二叉树

1. 题目概述

输入某二叉树的前序遍历和中序遍历的结果,请重建该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。

例如,给出

前序遍历 preorder = [3,9,20,15,7]
中序遍历 inorder = [9,3,15,20,7]
返回如下的二叉树:

    3
   / \
  9  20
    /  \
   15   7
限制:0 <= 节点个数 <= 5000

2. 题目分析

首先,这道题目考察的是二叉树的基本知识。前序遍历即就是先打印根,再打印左右节点。中序遍历是先打印左节点,再打印根节点,最后打印右节点。给出了前序遍历和中序遍历,需要构建出二叉树。首先,我的大方向思路是这样的:

1. 在前序遍历中找到第一个数据,就是根节点。
       2. 在中序遍历中找到这个节点,分别推出它的左孩子和右孩子。
       3. 以此类推,直到结束。

总体是以前序遍历的思想进行切入,我画了一张图描述了其过程:

3. 解题代码

class Solution {
    int preIndex= 0;
    public TreeNode buildTree(int[] preorder, int[] inorder) {
        if(preorder == null || inorder == null || preorder.length == 0 || inorder.length == 0) {
            return null;
        }
      return buildTreeChild(preorder, inorder, 0, inorder.length-1);
    }

    public TreeNode buildTreeChild(  int[] preorder,int[] inorder,int inbegin, int inend) {
    //终止条件 判断是否有左树或者右树
    if (inbegin > inend) {
        return null;
    }
    //在前序遍历中new 根节点
    TreeNode root = new TreeNode(preorder[preIndex]);
     //在中序遍历找到pi所在下标元素
     int rootIndex = findIndexOfInorder(inorder, inbegin, inend, preorder[preIndex]);
     preIndex++;
     root.left = buildTreeChild(preorder, inorder, inbegin, rootIndex-1);
     root.right = buildTreeChild(preorder, inorder, rootIndex+1, inend);
     return root;
    }

    private int findIndexOfInorder(int[] inorder, int inbegin, int inend, int val) {
    for (int i = inbegin; i <= inend; i++) {
        if (inorder[i] == val) {
            return i;
        }
    }
    return -1;
    }
}

4. 思考总结

由于二叉树的结构所致,二叉树的大部分题目都是要用递归来写的。而切入点就是二叉树的四种遍历,前序遍历,中序遍历,后序遍历和层序遍历,因此熟练掌握四种遍历方式是非常必要的。

其实,也可以根据后序遍历和中序遍历构建二叉树道理相同,和前序遍历一样,只是传入参数和遍历顺序不同。就不详细写了呦,附上代码一只:

public int postIndex = 0;
public TreeNode buildTreeChild(int[] inorder, int[] postorder,int inbegin, int inend) {

    //终止条件 判断是否有左树或者右树
    if (inbegin > inend) {
        return null;
    }

    //new 根节点
    TreeNode root = new TreeNode(postorder[postIndex]);

    //在中序遍历找到pi所在下标元素
    int rootIndex = findIndexOfInorder(inorder, inbegin, inend, postorder[postIndex]);
    postIndex--;
    root.right = buildTreeChild(inorder,postorder, rootIndex+1,inend);
    root.left = buildTreeChild(inorder, postorder, inbegin,rootIndex-1);
    return root;
}

private int findIndexOfInorder(int[] inorder, int inbegin, int inend, int val) {
    for (int i = inbegin; i <= inend; i++) {
        if (inorder[i] == val) {
            return i;
        }
    }
    return -1;
}

public TreeNode buildTree(int[] inorder, int[] postorder) {
    if (postorder == null || inorder == null) {
        return null;
    }
    if (postorder.length == 0 || inorder.length == 0) {
        return null;
    }

    postIndex = postorder.length-1;
    return buildTreeChild(inorder, postorder, 0, inorder.length-1);
}

 

 

变分模态分解(Variational Mode Decomposition, VMD)是一种强大的非线性、无参数信号处理技术,专门用于复杂非平稳信号的分析与分解。它由Eckart Dietz和Herbert Krim于2011年提出,主要针对传统傅立叶变换在处理非平稳信号时的不足。VMD的核心思想是将复杂信号分解为一系列模态函数(即固有模态函数,IMFs),每个IMF具有独特的频率成分和局部特性。这一过程与小波分析或经验模态分解(EMD)类似,但VMD通过变分优化框架显著提升了分解的稳定性和准确性。 在MATLAB环境中实现VMD,可以帮助我们更好地理解和应用这一技术。其核心算法主要包括以下步骤:首先进行初始化,设定模态数并为每个模态分配初始频率估计;接着采用交替最小二乘法,通过交替最小化残差平方和以及模态频率的离散时间傅立叶变换(DTFT)约束,更新每个模态函数和中心频率;最后通过迭代优化,在每次迭代中优化所有IMF的幅度和相位,直至满足停止条件(如达到预设迭代次数或残差平方和小于阈值)。 MATLAB中的VMD实现通常包括以下部分:数据预处理,如对原始信号进行归一化或去除直流偏置,以简化后续处理;定义VMD结构,设置模态数、迭代次数和约束参数等;VMD算法主体,包含初始化、交替最小二乘法和迭代优化过程;以及后处理,对分解结果进行评估和可视化,例如计算每个模态的频谱特性,绘制IMF的时频分布图。如果提供了一个包含VMD算法的压缩包文件,其中的“VMD”可能是MATLAB代码文件或完整的项目文件夹,可能包含主程序、函数库、示例数据和结果可视化脚本。通过运行这些代码,可以直观地看到VMD如何将复杂信号分解为独立模态,并理解每个模态的物理意义。 VMD在多个领域具有广泛的应用,包括信号处理(如声学、振动、生物医学信号分析)、图像处理(如图像去噪、特征提取)、金融时间序列分析(识
<think>嗯,用户想用C++实现重建二叉树的方法,特别是根据前序和中序遍历来构建。我需要参考提供的引用内容,特别是引用[2]和[4]中的代码示例。首先,我应该确认递归方法的步骤:前序的第一个元素是根节点,然后在中序中找到根的位置,分割左右子树,再递归处理左右子树。用户可能需要详细的步骤解释和代码示例,同时注意边界条件,比如空数组的情况。还要考虑代码的效率,比如使用哈希表来快速查找中序中的根节点位置,如引用[1]提到的indexMap。不过引用[2]中的代码用的是循环查找,可能需要优化。另外,引用[4]提到了递归的模板,可以按照这个结构来组织代码。最后,需要生成相关问题,比如优化方法或应用场景。确保代码正确,语法正确,并符合用户的要求。</think>### C++实现重建二叉树的方法 根据前序遍历和中序遍历重建二叉树的步骤如下: 1. **递归终止条件** 当前序遍历或中序遍历序列为空时返回空指针。 2. **确定根节点** 前序遍历序列的第一个元素为当前子树的根节点值,例如:$pre[0] = rootVal$[^3]。 3. **划分左右子树** 在中序遍历序列中找到根节点的位置$i$,则: - 左子树的中序遍历范围:$vin[0]$至$vin[i-1]$ - 右子树的中序遍历范围:$vin[i+1]$至$vin[end]$ 前序遍历序列根据中序划分结果计算左右子树范围[^4]。 4. **递归构建子树** 对左右子树的序列递归调用构建函数。 #### 代码实现(优化版) ```cpp #include <vector> #include <unordered_map> using namespace std; struct TreeNode { int val; TreeNode* left; TreeNode* right; TreeNode(int x) : val(x), left(nullptr), right(nullptr) {} }; class Solution { public: unordered_map<int, int> indexMap; // 中序遍历值到索引的哈希表 TreeNode* buildTree(vector<int>& pre, int preStart, int preEnd, vector<int>& vin, int vinStart, int vinEnd) { if (preStart > preEnd || vinStart > vinEnd) return nullptr; int rootVal = pre[preStart]; TreeNode* root = new TreeNode(rootVal); int i = indexMap[rootVal]; // 直接通过哈希表查找位置 int leftSize = i - vinStart; root->left = buildTree(pre, preStart + 1, preStart + leftSize, vin, vinStart, i - 1); root->right = buildTree(pre, preStart + leftSize + 1, preEnd, vin, i + 1, vinEnd); return root; } TreeNode* reConstructBinaryTree(vector<int> pre, vector<int> vin) { if (pre.empty() || vin.empty()) return nullptr; for (int i = 0; i < vin.size(); i++) indexMap[vin[i]] = i; // 预存中序遍历索引 return buildTree(pre, 0, pre.size()-1, vin, 0, vin.size()-1); } }; ``` #### 关键改进说明 1. **哈希表优化**:通过预存中序遍历索引,将查找根节点位置的时间复杂度从$O(n)$降为$O(1)$[^1]。 2. **避免向量拷贝**:原代码通过向量切片传递参数(如`leftpre`),现改为传递索引范围,减少内存占用。 3. **边界条件处理**:明确递归终止条件,避免栈溢出。
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