二叉树的层序遍历、二叉树叶节点输出算法、求二叉树的高度、层序创建一棵二叉树

简介: 二叉树的层序遍历、二叉树叶节点输出算法、求二叉树的高度、层序创建一棵二叉树

二叉树的层序遍历

 1 void LevelorderTraversal(BinTree BT)
 2 {
 3     std::queue<BinTree> Queue;
 4     BinTree T;
 5     if (!BT)
 6         return;            //若是空树则直接返回
 7     Queue.push(BT);
 8     while (!Queue.empty())
 9     {
10         T = Queue.front();
11         Queue.pop();
12         printf("%c ", T->Data);
13         if (T->Left) Queue.push(T->Left);
14         if (T->Right) Queue.push(T->Right);
15     }
16 }

二叉树叶节点输出算法

 1 void InorderTraversal(BinTree BT, int Depth)
 2 {
 3     if (BT)
 4     {
 5                if(!BT->Left && !BT->Right)  
 6             printBinTree(BT, Depth);
 7         InorderTraversal(BT->Left, Depth + 1);
 8         InorderTraversal(BT->Right, Depth + 1);
 9         
10         //printf("%c", BT->Data);
11         
12     }
13 }    

求二叉树的高度

 1 int GetHeight(BinTree BT)
 2 {
 3     int HL, HR, MaxH;
 4     if (BT)
 5     {
 6         HL = GetHeight(BT->Left);        //求左子树的高度
 7         HR = GetHeight(BT->Right);        //求右子树的高度
 8         MaxH = HL > HR ? HL : HR;        //取左右子树较大的高度
 9         return (MaxH + 1);            //返回树的高度
10     }
11     else
12         return 0;
13 }

层序创建一棵二叉树

 1 BinTree CreateBinTree()
 2 {
 3     ElementType dt;
 4     BinTree BT, T;
 5     std::queue<BinTree> Q;
 6     scanf_s("%c", &dt);
 7     getchar();
 8     if (dt != NoInfo)
 9     {
10         BT = (BinTree)malloc(sizeof(struct TNode));
11         BT->Data = dt;
12         BT->Left = BT->Right = NULL;
13         Q.push(BT);
14     }
15     else
16         return NULL;
17     while (!Q.empty())
18     {
19         T = Q.front();
20         Q.pop();
21         scanf_s("%c", &dt);
22         getchar();
23         if (dt == NoInfo)
24             T->Left = NULL;
25         else
26         {
27             T->Left = (BinTree)malloc(sizeof(struct TNode));
28             T->Left->Data = dt;
29             T->Left->Left = T->Left->Right = NULL;
30             Q.push(T->Left);
31         }
32         scanf_s("%c", &dt);
33         getchar();
34         if (dt == NoInfo)
35             T->Right = NULL;
36         else
37         {
38             T->Right = (BinTree)malloc(sizeof(struct TNode));
39             T->Right->Data = dt;
40             T->Right->Left = T->Right->Right  = NULL;
41             Q.push(T->Right);
42         }
43     }
44     return BT;
45 }


相关文章
|
11天前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
43 5
|
2天前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
2月前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
2月前
|
存储 缓存 算法
如何提高二叉树遍历算法的效率?
选择合适的遍历算法,如按层次遍历树时使用广度优先搜索(BFS),中序遍历二叉搜索树以获得有序序列。优化数据结构,如使用线索二叉树减少空指针判断,自定义节点类增加辅助信息。利用递归与非递归的特点,避免栈溢出问题。多线程并行遍历提高速度,注意线程安全。缓存中间结果,避免重复计算。预先计算并存储信息,提高遍历效率。综合运用这些方法,提高二叉树遍历算法的效率。
67 5
|
2月前
|
机器学习/深度学习 JSON 算法
二叉树遍历算法的应用场景有哪些?
【10月更文挑战第29天】二叉树遍历算法作为一种基础而重要的算法,在许多领域都有着不可或缺的应用,它为解决各种复杂的问题提供了有效的手段和思路。随着计算机科学的不断发展,二叉树遍历算法也在不断地被优化和扩展,以适应新的应用场景和需求。
51 0
|
3月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
33 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
11天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
145 80
|
5天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
7天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
4天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。

热门文章

最新文章