Minimum Depth of Binary Tree 【leetCode】

本文介绍了一种求解二叉树最小深度的算法,并提供了两种实现方式:一种是使用队列进行层次遍历;另一种是采用递归方式。通过这两种方法,可以有效地找出二叉树中最短路径的节点数。
目录:
1、题目及分析
    1.1 题目
    1.2 分析
2、实现
    2.1 方法一
    2.2 方法二


1、题目及分析
1.1 题目:
   Minimum Depth of Binary Tree
1.2 分析
   这道题目是一道很简单的基础题,通过遍历所有的路径就可以实现。

2、实现
2.1 方法一
    通过使用队列的方法,一层层的进行遍历,在每一层的末尾处加入null,以显示一层的结束。见下图示意:
    代码如下:
   public int minDepth(TreeNode root) { //使用队列的方式
        Queue<TreeNode> q = new LinkedList<TreeNode>();
        TreeNode tmp;
        int depth = 0;
        if(null == root)
            return 0;
        q.offer(root);
        q.offer(null);
        depth ++;
        while(q.isEmpty() == false){
            tmp = q.poll();
            if(tmp != null){
                if(null == tmp.left && null == tmp.right)//判读是否为leaf
                    return depth;
                //并联结构的,别写成if else了
                if(null != tmp.left)   //入队列 
                    q.offer(tmp.left);
                if(null != tmp.right)  //入队列
                    q.offer(tmp.right); 
            }
            else{
                q.offer(null);
                depth ++;
            }
        }
        return 0;
    }

2.2 方法二
参考自:https://oj.leetcode.com/discuss/6308/my-solution-used-level-order-traversal
       使用迭代的方式进行处理。代码如下:
    个人感觉此代码的经典之处在于,如下代码
          if(left==0)     //由于确定left为0,那么这个子root的长度就由right决定,再加上本身的1
                return right+1;
     public int minDepth2(TreeNode root) {//采用递归的方式
       if(root == null)
            return 0;
            int left=minDepth2(root.left);
            int right=minDepth2(root.right);
            //求的是leaf,只有一边为null的不是leaf
            if(left==0)     //由于确定left为0,那么这个子root的长度就由right决定,再加上本身的1
                return right+1;
            if(right==0)    //由于确定right为0,那么这个子root的长度就由left决定,再加上本身的1
                return left+1;
        return left<right ? left+1:right+1; //两天路径求取最小的
    }






同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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