331. Verify Preorder Serialization of a Binary Tree

本文介绍了一种不通过重建树就能验证二叉树序列化的正确性的算法。使用两种方法实现这一目标:一种利用栈来处理序列化字符串,另一种通过统计树的容量来判断序列的有效性。

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

One way to serialize a binary tree is to use pre-order traversal. When we encounter a non-null node, we record the node’s value. If it is a null node, we record using a sentinel value such as #.

     _9_
    /   \
   3     2
  / \   / \
 4   1  #  6
/ \ / \   / \
# # # #   # #

For example, the above binary tree can be serialized to the string “9,3,4,#,#,1,#,#,2,#,6,#,#”, where # represents a null node.

Given a string of comma separated values, verify whether it is a correct preorder traversal serialization of a binary tree. Find an algorithm without reconstructing the tree.

Each comma separated value in the string must be either an integer or a character ‘#’ representing null pointer.

You may assume that the input format is always valid, for example it could never contain two consecutive commas such as “1,,3”.

Example 1:
“9,3,4,#,#,1,#,#,2,#,6,#,#”
Return true

Example 2:
“1,#”
Return false

Example 3:
“9,#,#,1”
Return false

s思路:
1. 判断树的表示方法是否有效,而且不让构造树。
2. 先看用iterative的方法,用stack就可以搞定,例如:”9,3,4,#,#,1,#,#,2,#,6,#,#”,碰到数就直接push到stack,碰到#,则讨论一下,当第一次遇到#也直接push,第二次遇到#则把之前的#pop,还要把#前的数pop,然后再放入#.注意的是,每次放入的时候,都要检查stack顶上是否有#,如果有,就要pop两次再看是否有#,直到前面是数或stack为空为止!
3. 参考https://discuss.leetcode.com/topic/45326/c-4ms-solution-o-1-space-o-n-time/2 真是妙不可言!思考自己上面的思路,讨论的情况很是比较多,虽然做法中规中矩,但是如果足够敏锐的话,就可以想到这种做法太focus到细节上了,应该比较top-down的解法。比如上面的参考。思路是这样的,实时统计树的容量capacity,初始化capacity=1,表示根节点,然后遍历的时候,只需找’,’,因为#就在“,”之前,而且我们只关注是否是#,如果不是#,表示一个新节点,那么capacity就增加两个,而且每次遍历一个节点时,就capacity–用来表示由于遇到一个节点,容量减少!如果在某个时候,容量<0,则表示不能构造树了。最后容量等于0,表示刚刚装满,因此可以构造树!
4. 这个统计数据结构的某个参量的做法,确实很赞,想到在图的遍历中,如果用bfs,也可以来统计入度,出度这些参量。你看,这里面也一样是,需要统计树的一个参量!方法很特殊,不过值得推广,统计数据结构的某一个参量!

//方法1:用stack!随时检查是否有number##的情况!
class Solution {
public:
    bool isValidSerialization(string preorder) {
        //
        stack<string> ss;
        int i=0;
        preorder.append(",");
        while(i<preorder.size()){
            if(preorder[i]==',') {i++;continue;}
            int j=i;
            while(j<preorder.size()&&preorder[j]!=',')
                j++;
            if(preorder[i]=='#'){
                //if(ss.empty()) return false;//bug:当preorder="#",就可能直接把#放入stack
                if(ss.empty()||ss.top()[0]!='#') ss.push("#");
                else{
                    while(ss.size()>=2&&ss.top()=="#"){
                        ss.pop();
                        if(ss.top()[0]=='#') return false; 
                        ss.pop();   
                    }   
                    ss.push("#");
                }       
            }else
                ss.push(preorder.substr(i,j-i));    
            i=j;
        }
        return ss.size()==1&&ss.top()=="#";
    }
};


//方法2:统计capacity. 系统的方法,就是比detail的方法代码简洁,不过稍微难理解些
class Solution {
public:
    bool isValidSerialization(string preorder) {
        //
        if(preorder.size()==0) return false;
        preorder+=',';
        int capacity=1;
        int sz=preorder.size();
        for(int i=0;i<sz;i++){
            if(preorder[i]!=',') continue;
            capacity--;
            if(capacity<0) return false;
            if(preorder[i-1]!='#') capacity+=2;
        }
        return capacity==0;
    }
};
内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
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