Day17--数据结构与算法(Java) 平衡二叉树 ,二叉树的所有路径 ,左叶子之和

本文介绍了三种基于递归的二叉树问题解决方案:110.平衡二叉树,257.二叉树的所有路径,404.左叶子之和。对于每种问题,详细解析了递归法的思路,包括确定递归函数的参数和返回值,终止条件,以及单层递归的逻辑。此外,还提供了迭代法解决平衡二叉树问题的提示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

一、110.平衡二叉树

递归法:

二、257. 二叉树的所有路径 

三、404.左叶子之和

递归三部曲:

 1.确定递归函数的参数和返回值

  2.确定终止条件

  3.确定单层递归的逻辑


一、110.平衡二叉树

力扣题目链接

递归法:

/**
 * 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 boolean isBalanced(TreeNode root) {
    return getHeight(root)!=-1;
    }
    private int getHeight(TreeNode root)
    {
        if(root==null) return 0;
        int leftHeight=getHeight(root.left);
        int rightHeight=getHeight(root.right);
         if(leftHeight==-1)  return -1;
         if(rightHeight==-1)  return -1;
         if(Math.abs(leftHeight-rightHeight)>1)  return -1;
       int height=Math.max(leftHeight,rightHeight)+1;
       return height;
    }
}

还可以采用迭代法来实现,以后再看。

二、257. 二叉树的所有路径 

力扣题目链接

 采用递归/回溯

/**
 * 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<String> binaryTreePaths(TreeNode root) {
     List<String>res=new ArrayList<>();
     if(root==null)  return res;
     List<Integer>paths=new ArrayList<>();
     traversal(root,paths,res);
     return res;
    }
    private void traversal(TreeNode root,List<Integer>paths,List<String>res)
    {
     paths.add(root.val);
     if(root.left==null&&root.right==null)
     {
      StringBuilder sb=new StringBuilder();
      for(int i=0;i<paths.size()-1;i++)
      {
      sb.append(paths.get(i)).append("->");
      }
      sb.append(paths.get(paths.size()-1));
      res.add(sb.toString());
      return;
     }
     if(root.left!=null)
     {
      traversal(root.left,paths,res);
      paths.remove(paths.size()-1);
     }
     if(root.right!=null)
     {
     traversal(root.right,paths,res);
     paths.remove(paths.size()-1);
     }
    }
}

三、404.左叶子之和

力扣题目链接

左叶子的明确定义:节点A的左孩子不为空,且左孩子的左右孩子都为空(说明是叶子节点),那么A节点的左孩子为左叶子节点

判断当前节点是不是左叶子是无法判断的,必须要通过节点的父节点来判断其左孩子是不是左叶子。

递归的遍历顺序为后序遍历(左右中),是因为要通过递归函数的返回值来累加求取左叶子数值之和。

递归三部曲:

 1.确定递归函数的参数和返回值

判断一个树的左叶子节点之和,那么一定要传入树的根节点,递归函数的返回值为数值之和,所以为int

使用题目中给出的函数就可以了。

  2.确定终止条件

如果遍历到空节点,那么左叶子值一定是0

  3.确定单层递归的逻辑

当遇到左叶子节点的时候,记录数值,然后通过递归求取左子树左叶子之和,和 右子树左叶子之和,相加便是整个树的左叶子之和。

class Solution {
    public int sumOfLeftLeaves(TreeNode root) {
        if (root == null) return 0;
        int leftValue = sumOfLeftLeaves(root.left);    // 左
        int rightValue = sumOfLeftLeaves(root.right);  // 右
                                                       
        int midValue = 0;
        if (root.left != null && root.left.left == null && root.left.right == null) { 
            midValue = root.left.val;
        }
        int sum = midValue + leftValue + rightValue;  // 中
        return sum;
    }
}

 

### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
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