【DFS】羌笛何须怨杨柳,春风不度玉门关 - 4. 二叉树中的深搜

【DFS】羌笛何须怨杨柳,春风不度玉门关 - 4. 二叉树中的深搜
在这里插入图片描述
本篇博客给大家带来的是二叉树深度优先搜索的解法技巧,在后面的文章中题目会涉及到回溯和剪枝,遇到了一并讲清楚.
🐎文章专栏: DFS
🚀若有问题 评论区见
❤ 欢迎大家点赞 评论 收藏 分享
如果你不知道分享给谁,那就分享给薯条.
你们的支持是我不断创作的动力 .

王子,公主请阅🚀

要开心

要快乐

顺便进步

1. 计算二叉树中的布尔值

题目链接:2331. 计算布尔二叉树的值

题目内容:

给你一棵 完整二叉树 的根,这棵树有以下特征:

叶子节点 要么值为 0 要么值为 1 ,其中 0 表示 False ,1 表示 True 。
非叶子节点 要么值为 2 要么值为 3 ,其中 2 表示逻辑或 OR ,3 表示逻辑与 AND 。
计算 一个节点的值方式如下:

如果节点是个叶子节点,那么节点的 值 为它本身,即 True 或者 False 。
否则,计算 两个孩子的节点值,然后将该节点的运算符对两个孩子值进行 运算 。
返回根节点 root 的布尔运算值。

完整二叉树 是每个节点有 0 个或者 2 个孩子的二叉树。

叶子节点 是没有孩子的节点。

在这里插入图片描述


输入:root = [2,1,3,null,null,0,1]
输出:true
解释:上图展示了计算过程。
AND 与运算节点的值为 False AND True = False 。
OR 运算节点的值为 True OR False = True 。
根节点的值为 True ,所以我们返回 true 。
示例 2:

输入:root = [0]
输出:false
解释:根节点是叶子节点,且值为 false,所以我们返回 false 。

提示:

树中节点数目在 [1, 1000] 之间。
0 <= Node.val <= 3
每个节点的孩子数为 0 或 2 。
叶子节点的值为 0 或 1 。
非叶子节点的值为 2 或 3 。

一. 分析

要想知道根节点的布尔值,就得先求左子树和右子树的布尔值.

在这里插入图片描述





二. 写递归代码的具体步骤

1. 大量重复子问题(函数头)
boolean dfs(TreeNode root)

2. 只关注某一个子问题
想知道根节点的布尔值,就得先求左子树和右子树的布尔值

在这里插入图片描述


3. 递归出口
根据题意,
节点值为0,返回false
节点值为1,返回true.

三. 代码实现
classSolution{publicbooleanevaluateTree(TreeNode root){returndfs(root);}publicbooleandfs(TreeNode root){if(root.val ==0){returnfalse;}if(root.val ==1){returntrue;}boolean left =dfs(root.left);boolean right =dfs(root.right);return root.val ==2? left | right : left & right;}}

2. 求根节点到叶节点数字之和

题目链接:129. 求根节点到叶节点数字之和

题目内容:

  1. 求根节点到叶节点数字之和
    已解答
    中等
    相关标签
    相关企业
    给你一个二叉树的根节点 root ,树中每个节点都存放有一个 0 到 9 之间的数字。
    每条从根节点到叶节点的路径都代表一个数字:

例如,从根节点到叶节点的路径 1 -> 2 -> 3 表示数字 123 。
计算从根节点到叶节点生成的 所有数字之和 。

叶节点 是指没有子节点的节点。

示例 1:

在这里插入图片描述


输入:root = [1,2,3]
输出:25
解释:
从根到叶子节点路径 1->2 代表数字 12
从根到叶子节点路径 1->3 代表数字 13
因此,数字总和 = 12 + 13 = 25

在这里插入图片描述


输入:root = [4,9,0,5,1]
输出:1026
解释:
从根到叶子节点路径 4->9->5 代表数字 495
从根到叶子节点路径 4->9->1 代表数字 491
从根到叶子节点路径 4->0 代表数字 40
因此,数字总和 = 495 + 491 + 40 = 1026

提示:

树中节点的数目在范围 [1, 1000] 内
0 <= Node.val <= 9
树的深度不超过 10

一. 分析题意


在这里插入图片描述

以上图得1节点为例,
第一: 需要接收来自上一层的49.
第二: 需要往下传递49*10+1=491.
第三: 到达叶子节点,需要将结果返回.
分析出这三点,就不难写出递归代码了.

二. 具体步骤

1. 大量重复子问题->(函数头)
上一层节点×10+根节点传给子节点.直到叶子节点才返回最终结果. int dfs(root,presum). presum记录上一层的值.

2. 某一子问题的工作流程

①计算当前的值,presum*10+root.val;
②前序遍历递归左子树
③前序遍历递归右子树

3. 递归出口
当前节点为叶子节点时,返回结果

三. 代码实现
classSolution{publicintsumNumbers(TreeNode root){returndfs(root,0);}publicintdfs(TreeNode root,int presum){ presum = presum*10+root.val;if(root.left ==null&& root.right ==null){return presum;}int ret =0;if(root.left !=null){ ret +=dfs(root.left,presum);}if(root.right !=null){ ret +=dfs(root.right,presum);}return ret;}}


总结: 凡是能用递归来解决的二叉树题目, 要么是前序遍历,要么是后序遍历, 还有一部分是中序遍历.大部分题都是这样的,一般可以先尝试前序,再后序,最后中序.
本篇博客到这里就结束啦, 感谢观看 ❤❤❤
🐎期待与你的下一次相遇😊😊😊

Read more

SORT 追踪算法详解 + 应用场景 + 完整 C# 案例代码

SORT 追踪算法详解 + 应用场景 + 完整 C# 案例代码 一、SORT 追踪算法完整详解 SORT(Simple Online and Realtime Tracking)是 2016 年提出的经典多目标追踪算法,至今在很多对实时性和简单性要求高的工业场景中仍然被广泛使用。 核心思想: “检测 + 卡尔曼滤波预测 + IOU 匹配”,用最少的计算量实现实时追踪。 SORT 完整工作流程(只有 3 步) 1. 检测 每一帧都依赖检测器(YOLO、Faster R-CNN 等)给出当前帧所有目标的 bounding box + 置信度 只使用置信度高于阈值(通常 0.5)的框 2. 预测 对每一条已有轨迹,用

By Ne0inhk

模板编译期排序算法

1、非修改序列算法 这些算法不会改变它们所操作的容器中的元素。 1.1 find 和 find_if * find(begin, end, value):查找第一个等于 value 的元素,返回迭代器(未找到返回 end)。 * find_if(begin, end, predicate):查找第一个满足谓词的元素。 * find_end(begin, end, sub_begin, sub_end):查找子序列最后一次出现的位置。 vector<int> nums = {1, 3, 5, 7, 9}; // 查找值为5的元素 auto it = find(nums.begin(

By Ne0inhk
程序员怎样才能学好算法?这本书送几本给大家!

程序员怎样才能学好算法?这本书送几本给大家!

文章目录 * 前言 * 一、笔者对算法的理解 * 二、写书的初衷及过程 * 三、主要内容 * 四、本书的内容 * 五、联合推荐 * 六、购买方式 * 七、《算法秘籍》 * 中奖者名单 前言 提示:这里可以添加本文要记录的大概内容: 数据结构和算法是计算机科学的基石,是计算机的灵魂,要想成为计算机专业人员,学习和掌握算法是十分必要的。不懂数据结构和算法的人不可能写出效率更高的代码。计算机科学的很多新行业都离不开数据结构和算法作为基石,比如大数据、人工智能等。底层开发中也需要使用非常多的数据结构和算法知识,以保证底层系统的稳定性和高效性。 提示:以下是本篇文章正文内容,下面案例可供参考 一、笔者对算法的理解 计算机科学家尼古拉斯·沃斯在计算机领域有一句人尽皆知的名言: “算法+数据结构=程序”(Algorithms+Data Structures=Programs) 所以数据结构和算法是程序员必须掌握的技能。尤其是到一些大公司面试的时候,算法更是一个少不了的环节,熟练掌握数据结构和算法,可以开拓我们的视野,提高我们的逻辑思维能力,

By Ne0inhk
数据结构【AVL树】

数据结构【AVL树】

AVL树 * 1.AVL树 * 1.1AVL的概念 * 1.2平衡因子 * 2.AVl树的实现 * 2.1AVL树的结构 * 2.2AVL树的插入 * 2.3 旋转 * 2.3.1 旋转的原则 1.AVL树 1.1AVL的概念 AVL树可以是一个空树。 它的左右子树都是AVL树,且左右子树的高度差的绝对值不超过1。AVL树是一颗高度平衡搜索二叉树,通过控制高度差去控制平衡。 AVL树整体结点数量和分布和完全二叉树类似,高度可以控制在 logN ,那么增删查改的效率也可以控制在O(logN ) ,相比二叉搜索树有了本质的提升。 1.2平衡因子 结点的平衡因子=右子树的高度减去左子树的高度,也就是说任何结点的平衡因子等于0/1/-1,AVL树并不是必须要平衡因子,但是有了平衡因子可以更方便我们去进行观察和控制树是否平衡,就像⼀个风向标一样。 为什么AVL树是高度平衡搜索二叉树,要求高度差不超过1,而不是高度差是0呢? 因为例如二和四个结点无法达到0.

By Ne0inhk