leetcode112. 路径总和

题目

给定一个二叉树和一个目标和,判断该树中是否存在根节点到叶子节点的路径,这条路径上所有节点值相加等于目标和。

说明: 叶子节点是指没有子节点的节点。

示例:
给定如下二叉树,以及目标和 sum = 22,

              5
             / \
            4   8
           /   / \
          11  13  4
         /  \      \
        7    2      1

返回 true, 因为存在目标和为 22 的根节点到叶子节点的路径 5->4->11->2。

实现

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
class Solution {
public:
    bool hasPathSum(TreeNode* root, int sum) {
        if (root == NULL) return false;
        int res = 0;
        int flag = 0;
        func(root, sum, res, flag);
        return flag;
    }
    void func(TreeNode* root, int sum, int res, int& flag) {
        res += root->val;
        if (root->left == NULL && root->right == NULL) {
            if (res == sum) {
                flag = 1;
                return;
            }
        } 
        if (root->left != NULL) {
            func(root->left, sum, res, flag);
        }
        if (root->right != NULL) {
            func(root->right, sum, res, flag);
        }
    }
};
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
### LeetCode Hot 100 路径总和 III Java 解决方案 #### 方法一:暴力递归法 此方法通过遍历每一个节点并尝试找到从该节点出发的所有可能路径,判断这些路径的和是否等于目标值。 ```java class Solution { int pathnumber; public int pathSum(TreeNode root, long sum) { if (root == null) return 0; Sum(root, sum); pathSum(root.left, sum); pathSum(root.right, sum); return pathnumber; } public void Sum(TreeNode root, long sum) { if (root == null) return; sum -= root.val; if (sum == 0) { pathnumber++; } Sum(root.left, sum); Sum(root.right, sum); } } ``` 这种方法虽然简单直观,但在处理大规模数据时效率较低。对于某些极端情况下的输入,可能会导致性能问题[^1]。 #### 方法二:优化后的前缀和加哈希表 为了提高算法效率,可以采用前缀和的概念加上哈希表来记录已经访问过的节点及其累积值。这样可以在一次深度优先搜索过程中完成计算,而不需要重复遍历子树。 ```java import java.util.HashMap; public class Solution { private HashMap<Long, Integer> prefixSumCount = new HashMap<>(); public int pathSum(TreeNode root, int targetSum) { prefixSumCount.put(0L, 1); return findPath(root, 0L, targetSum); } private int findPath(TreeNode node, long currentSum, int targetSum) { if (node == null) return 0; // 更新当前累计和 currentSum += node.val; // 计算满足条件的数量 int numPathsToCurrentNode = prefixSumCount.getOrDefault(currentSum - targetSum, 0); // 将当前累计和加入map中 prefixSumCount.put(currentSum, prefixSumCount.getOrDefault(currentSum, 0) + 1); // 继续向下探索左右子树 int leftResult = findPath(node.left, currentSum, targetSum); int rightResult = findPath(node.right, currentSum, targetSum); // 移除当前结点的影响以便回溯到父级调用者处继续其他分支的查找工作 prefixSumCount.put(currentSum, prefixSumCount.get(currentSum) - 1); return numPathsToCurrentNode + leftResult + rightResult; } } ``` 这种改进的方法不仅提高了时间复杂度至 O(n),而且空间上也更加高效,适用于更广泛的情况[^2]。 #### 数据约束说明 题目规定了二叉树中的节点数量范围以及各节点取值区间: - 二叉树的节点个数的范围是 [0,1000] - `-10^9 <= Node.val <= 10^9` - `-1000 <= targetSum <= 1000` 因此,在实现解决方案时需要注意数值类型的选取以防止溢出等问题的发生[^3]。
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