1110. Complete Binary Tree (25)

本文介绍了一个使用C++实现的基于广度优先搜索(BFS)的二叉树遍历算法。该算法能够正确判断输入的二叉树是否完全遍历,并输出最后访问到的节点编号。文章通过实例演示了如何读取二叉树结构并进行BFS遍历的过程。
#include<iostream>
#include<string>
#include<map>
#include<vector>
#include<algorithm>
#include<queue>
#include<set>
#include<stack>
using namespace std;

struct node {
    int left=-1, right=-1;
    int val;
};
int num;
int cnt[10001];
node arr[21];
int c = 0;
int last;
bool f;
void bfs(int root) {

    queue<int> q;
    q.push(root);

    while (!q.empty()) {
        int temp = q.front();
        

        if (temp == -1) {
            //cout << c;
            if (c == num) {
                f = 1;
            }

            else
                f = 0; 
            break;


        }

        q.pop();
        c++;
        q.push(arr[temp].left);
        q.push(arr[temp].right);
        last = temp;

    }

}




int main() {
    
    
    cin >> num;
    

    for (int i = 0; i < num; i++) {
        arr[i].val = i;
        string l, r;
        cin >> l >> r;
        if (l != "-") {
            arr[i].left = stoi(l);
            cnt[stoi(l)] = 1;
        }
            
        if (r != "-") {
            arr[i].right = stoi(r);
            cnt[stoi(r)] = 1;
        }
            
    }

    int root = 0;
    while (cnt[root] == 1) {
        root++;
    }
    
    bfs(root);
    //cout << f;

    if (f == 1) {
        cout << "YES" << ' ' << last;
    }

    else {
        cout << "NO" << ' ' << root;
    }
    system("pause");
    
}

一开始没考虑到有可能会大于10的数字,用了char,导致一直过不了三个点。。。

转载于:https://www.cnblogs.com/wsggb123/p/7268436.html

(1)普通用户端(Web 交互平台) 热门话题总览: 实时榜单:展示 "热搜榜 TOP50"(每 10 分钟更新),包含话题名称、热度值、上升速度、持续时间,支持按 "社会 / 娱乐 / 科技" 等类别筛选。 话题卡片:每个话题以卡片形式展示核心信息,悬停显示 "相关话题、参与人数、情感倾向分布",点击进入详情页。 基础可视化浏览: 趋势图表:热门话题的 "热度随时间变化折线图"(支持选择 1 小时 / 24 小时 / 7 天时间范围)、"情感占比饼图"。 互动数据:展示话题相关微博的 "转发 / 评论 / 点赞总量对比" 柱状图,突出 "高互动量节点"(如某明星发布相关微博的时间点)。 (2)媒体工作者端(Web 平台) 深度分析功能: 多维度筛选:支持按 "时间范围、用户粉丝量、地域分布" 筛选话题数据,生成 "不同时段情感变化"、"各省市讨论热度" 等细分图表。 话题关联分析:展示 "核心话题与相关子话题的关联网络"(力导向图),标注 "关联强度"(线条粗细)和 "互动量占比"。 报告导出功能: 图表导出:支持将可视化图表导出为 "PNG(高清)/SVG(矢量)/PDF" 格式,保留数据来源标注(如 "数据采集时间:2024-10-01")。 分析简报:自动生成包含 "话题概述、核心发现、数据图表" 的简报文档(Word/PDF),支持添加自定义分析结论。 (3)数据分析人员端(Web+Jupyter) 高级分析工具: 自定义分析:通过 Jupyter Notebook 集成的 Python 分析环境(预装 pandas/matplotlib/seaborn),编写脚本处理原始数据,支持调用系统 API 获取指定话题数据。 模型参数调整:对情感分析模型、话题聚类算法进行参数优化(如调整 LDA 模型的主题数量),测试不同参数对分析结果的影响。
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