【算法通关指南:数据结构与算法篇】二叉树相关算法题:1.二叉树深度 2.求先序排列

【算法通关指南:数据结构与算法篇】二叉树相关算法题:1.二叉树深度 2.求先序排列
在这里插入图片描述
🔥小龙报:个人主页
🎬作者简介:C++研发,嵌入式,机器人方向学习者
❄️个人专栏:《算法通关指南》
永远相信美好的事情即将发生
在这里插入图片描述

文章目录

前言

本专栏聚焦算法题实战,系统讲解算法模块:以《c++编程》,《数据结构和算法》《基础算法》《算法实战》 等几个板块以题带点,讲解思路与代码实现,帮助大家快速提升代码能力ps:本章节题目分两部分,比较基础笔者只附上代码供大家参考,其他的笔者会附上自己的思考和讲解,希望和大家一起努力见证自己的算法成长

一、二叉树深度

2.1题目

链接:二叉树深度

在这里插入图片描述

2.2 算法原理

二叉树的高度 = 1 + max(左子树的高度,右子树的高度);因此,可以递归解决。

2.3代码

#include <iostream> using namespace std; const int N =1e6+10; int l[N], r[N]; int dfs(int root){if(!root)return0;returnmax(dfs(l[root]),dfs(r[root]))+1;} int main(){ int n; cin >> n;for(int i =1; i <= n; i++) cin >> l[i]>> r[i]; cout <<dfs(1)<< endl;return0;}

二、 求先序排列

3.1题目

链接:求先序排列

在这里插入图片描述

3.2 算法原理

在这里插入图片描述


处理「左右字树」的方式与处理「原始序列」的方式一致,这样我们就可以用「递归」的方式求出先序序列
注: 如何进行区间定位

在这里插入图片描述

3.3代码

#include <iostream> using namespace std; string a, b; void dfs(int l1, int r1, int l2, int r2){//递归出口if(r1 < l1)return;//确立根节点 cout << b[r2];//寻找中序序列中的根节点划分左右子树 int p = l1;while(a[p]!= b[r2]) p++;//递归处理左右子树dfs(l1, p -1, l2, l2 + p - l1 -1);dfs(p +1, r1, l2 + p - l1, r2 -1);} int main(){ cin >> a >> b;dfs(0, a.size()-1,0, b.size()-1);return0;}

总结与每日励志

✨本次我们练习了二叉树深度和先序排列两道基础题,核心均运用递归思想:前者通过递归求左右子树高度取最大值加一得出结果,后者利用中序与后序序列定位根节点,递归处理左右子树完成先序输出。算法学习没有捷径,每一道题的积累都是成长的阶梯。永远相信美好的事情即将发生,坚持刷题、沉淀思路,终会突破瓶颈,在算法之路上稳步前行,不负每一份努力与热爱!

在这里插入图片描述

Read more

别再瞎用 Git 合并了!Merge vs Rebase 底层逻辑、适用场景与零坑操作全指南

别再瞎用 Git 合并了!Merge vs Rebase 底层逻辑、适用场景与零坑操作全指南

几乎每个开发者每天都在和Git打交道,但分支合并时的灵魂拷问——“到底用Merge还是Rebase?”,却难倒了无数人。有人无脑用Merge,导致仓库提交历史分叉成“蜘蛛网”,回滚时无从下手;有人盲目跟风用Rebase,结果重写了公共分支历史,把整个团队的协作流程搞崩,甚至弄丢了线上代码。 这两个命令的核心区别到底是什么?什么时候该用哪个?怎么操作才能彻底避开坑?本文将从Git底层对象模型出发,用通俗的语言讲透Merge和Rebase的本质,搭配可直接复现的实战示例,明确区分易混淆点,给出企业级可落地的最佳实践,让你看完就能彻底搞懂,再也不会用错。 一、前置基础:Git分支的底层核心逻辑 要彻底搞懂Merge和Rebase,必须先理解Git的核心设计——Git是一个基于快照的分布式版本控制系统,分支本质是指向提交对象的可变指针。所有的合并操作,本质都是对提交对象和分支指针的操作。 1.1 Git提交对象的核心结构 Git中的每一次提交(commit),都是一个不可变的快照对象,包含4个核心信息,所有内容共同生成唯一的SHA-1哈希值: 1. tree对象:指向当前提交的文

By Ne0inhk
【Git#1】初识 git(配置 & 基本认识 & 文件操作)

【Git#1】初识 git(配置 & 基本认识 & 文件操作)

📃个人主页:island1314 ⛺️ 欢迎关注:👍点赞 👂🏽留言 😍收藏 💞 💞 💞 * 生活总是不会一帆风顺,前进的道路也不会永远一马平川,如何面对挫折影响人生走向 – 《人民日报》 🔥 目录 * 一、前言 * 二、git 基本操作 * 1. 创建 Git 本地仓库 * 2. 配置 git * 三、认识工作区、暂存区、版本库 * 四、文件操作 * 1. 添加文件 -- 场景一 * 2. 了解 .git 下目录及文件 * 3. 添加文件 -- 场景二 * 4. 修改文件 * 5. 版本回退 * 6. 撤销修改 * 1️⃣对于工作区的代码,还没有

By Ne0inhk
英伟达开源DreamDojo:4.4万小时“梦境”,破解机器人数据鸿沟

英伟达开源DreamDojo:4.4万小时“梦境”,破解机器人数据鸿沟

摘要:本文深度解析英伟达开源的DreamDojo世界模型,详解DreamDojo的核心定位与开源战略,拆解44711小时超大规模数据集的优势、连续潜在动作的技术创新,剖析其实时遥操作、策略评估等应用场景,对比其与1XWM、Genie 3的技术路线差异,解读其与扬·勒丘恩物理AI理念的契合点,探讨DreamDojo对破解机器人物理鸿沟、推动物理AI发展的核心作用,为技术从业者、行业观察者、投资者提供最专业、最全面的深度解读,助力了解2026年世界模型与物理AI领域的最新技术革新与赛道趋势。 一、行业痛点:数据鸿沟,困住人形机器人的核心瓶颈 长期以来,“数据短缺+数据低效”是制约机器人行业发展的致命痛点——机器人想要掌握一项技能,需要海量真实场景下的动作数据进行训练,但真实数据的采集的成本极高、周期极长,且场景覆盖有限;与此同时,传统机器人数据集规模偏小、多样性不足,难以支撑通用型机器人的训练需求,形成了难以逾越的“数据鸿沟”。 更关键的是,多数企业陷入了“重指令、轻物理”的误区:大量布局视觉-语言-动作(VLA)模型,过度依赖文本推理驱动机器人动作,却忽略了直觉物理规律的核心价值。

By Ne0inhk
开源智能体搭建平台MaxKB4j 技术文档

开源智能体搭建平台MaxKB4j 技术文档

MaxKB4j 技术文档 项目概述 MaxKB4j (Max Knowledge Base for Java) 是一个基于 Java/Spring Boot 和 LangChain4j 构建的开源的 RAG(检索增强生成)知识库和 LLM 工作流平台,支持多模型集成、可视化工作流编排、知识库问答和多模态能力,专为构建企业级智能问答系统而设计。 核心特性 * 开箱即用的知识库问答: 支持上传本地文档或自动抓取网页内容,自动完成文本分块 → 向量化 → 向量数据库存储 → RAG 流程构建 * 模型无关的灵活集成: 支持多种主流大语言模型(OpenAI、Claude、Gemini、DeepSeek、Qwen、Ollama 等) * 可视化工作流编排: 内置低代码 AI 工作流引擎,支持条件分支、函数调用、多轮对话记忆 * MCP

By Ne0inhk