LC 105. Construct Binary Tree from Preorder and Inorder Traversal

本文介绍了一种通过先序遍历和中序遍历数组构造二叉树的方法。利用递归策略,首先确定根节点,然后在中序遍历中定位根节点,以此划分左子树和右子树。通过不断重复这一过程,最终构建完整的二叉树。

1.题目描述

105. Construct Binary Tree from Preorder and Inorder Traversal

Medium

124935FavoriteShare

Given preorder and inorder traversal of a tree, construct the binary tree.

Note:
You may assume that duplicates do not exist in the tree.

For example, given

preorder = [3,9,20,15,7]
inorder = [9,3,15,20,7]

Return the following binary tree:

    3
   / \
  9  20
    /  \
   15   7

给出一棵树的先序遍历数组和中序遍历数组,把这棵树构造出来

 

2.解题思路

这个方法是递归的。

先序的特点是:根——左——右

中序的特点是:左——根——右

所以先序第一个数可以确定根是哪一个,然后把根在中序数组中定位。此时中序数组中根左边的就是左子树,右边的是右子树。在先序数组中确定左右子树,再对左右子树重复进行这样的过程即可构造出树。

 

3.实现代码

参考了LC上的高赞讨论

class Solution {

public:
    /* from Preorder and Inorder Traversal */
    TreeNode* buildTree(vector<int>& preorder, vector<int>& inorder) {     
        return BuildTree(preorder,0,preorder.size(),inorder,0,inorder.size());
    }

    // 每次从 preorder 头部取一个值 mid,作为树的根节点
    // 检查 mid 在 inorder 中 的位置,则 mid 前面部分将作为 树的左子树,右部分作为树的右子树
    TreeNode* BuildTree(vector<int>& preorder,int i1,int j1,vector<int>& inorder,int i2,int j2)
    {
        if(i1 >= j1 || i2 >= j2)
            return NULL;
        int mid = preorder[i1];//取先序第一个数作为根节点
        auto f = find(inorder.begin() + i2,inorder.begin() + j2, mid);//在中序中找到mid的坐标
        int dis = f - inorder.begin() - i2;//计算左子树有多少个数
        TreeNode* root = new TreeNode(mid);
        root -> left = BuildTree(preorder,i1 + 1,i1 + 1 + dis,inorder,i2,i2 + dis);
        root -> right = BuildTree(preorder, i1 + 1 + dis, j1, inorder,i2 + dis + 1, j2);
        return root;
    }
};

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论 1
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