【树与二叉树】树与二叉树的概念及结构--详解介绍(下)

简介: 【树与二叉树】树与二叉树的概念及结构--详解介绍(下)

2.3 二叉树的性质

1.若规定根节点的层数为 1,则一棵非空二叉树的第 i 层上最多有 2^(i-1) 个结点

2.若规定根节点的层数为 1,则深度为 h 的二叉树的最大结点数是2^h - 1

3.对任何一棵二叉树, 如果度为 0 其叶结点个数为 n₀, 度为 2 的分支结点个数为 n₂,则有 n₀= n₂+1

b42f12f901c44673a337883566a92598.png4.若规定根节点的层数为 1,具有 n 个结点的满二叉树的深度为 h = log₂(n+1)  ps:log₂(n+1)是 log 以 2 为底, n+1 的对数


5.对于具有 n 个结点的完全二叉树,如果按照从上至下从左至右的数组顺序对所有节点从 0 开始编号,则对于序号为 i 的结点有:


▶ 若 i>0,i 位置节点的双亲序号:(i-1)/2;i=0,i 为根节点编号,无双亲节点


▶ 若 2i+1<n,左孩子序号:2i+1,2i+1>=n 否则无左孩子


▶ 若 2i+2<n,右孩子序号:2i+2,2i+2>=n 否则无右孩子

2.4 二叉树的概念选择题

1、某二叉树共有 399 个结点,其中有 199 个度为 2 的节点,则该二叉树中的叶子节点数为( )

A. 不存在这样的二叉树

B. 200

C. 198

D. 199

2.4 二叉树的概念选择题

1、某二叉树共有 399 个结点,其中有 199 个度为 2 的节点,则该二叉树中的叶子节点数为( )

A. 不存在这样的二叉树

B. 200

C. 198

D. 199

  • 分析:顺序结构存储就是使用数组来存储,它只适合表示完全二叉树,因为不是完全二叉树会有空间的浪费。数组只适合存储完全二叉树或者满二叉树。
    所以选择 A 选项

3、在具有 2n 个节点的完全二叉树中,叶子节点个数为( )

A. n

B. n+1

C. n-1

D. n/2

分析:

假设度为 0 的个数是 x0,度为 2 的个数是 x2,度为 1 的个数是 x1,那么:

▶ x0 + x1 + x2 = 2n

▶ x0 = x2 + 1

由 x0 = x2 + 1 得到 x2 = x0 - 1

所以 x0 + x1 + x2 = 2n --> x0 + x1 + x0 - 1 = 2n --> 2x0 + x1 - 1 = 2n

又因为完全二叉树中度为 1 的节点最少 0 个,最多就只有 1 个,所以 x1 = 0 or 1

所以 2x0 + x1 - 1 = 2n 就有 2 种情况:

▶ 2x0 + 0 - 1 = 2n

▶ 2x0 + 1 - 1 = 2n

当 x1 = 0 时,x0为小数,显然不可能;当 x1 = 1 时满足,所以选择 A

  • 选项

4、一棵完全二叉树的节点数为 531 个,那么这棵树的高度为( )

A. 11

B. 10

C. 8

D. 12

分析:

假设完全二叉树的高度是 h,那么:最多有 2^h-1 个节点;最少有 2^(h-1) 个节点

▶ h = 11 时:最多 2047;最少 2014,所以不合理

▶ h = 10 时:最多 1023;最少 512,所以合情合理

▶ h = 8 时:最多 255;最少 128,所以不合理

▶ h = 12 时:最多 4095;最少 2048,所以不合理

  • 所以选择 B 选项

5、一个具有 767 个节点的完全二叉树,其叶子节点个数为 ( )

A. 383

B. 384

C. 385

D. 386

分析:此题类似于第 3 题

假设度为 0 的个数是 x0,度为 2 的个数是 x2,度为 1 的个数是 x1,那么:

▶ x0 + x1 + x2 = 767

▶ x0 = x2 + 1

由 x0 = x2 + 1 得到 x2 = x0 - 1

所以 x0 + x1 + x2 = 767 同 x0 + x1 + x0 - 1 = 767 同 2x0 + x1 - 1 = 767

完全二叉树中度为 1 的节点最少 0 个,最多就只有 1 个

所以 x1 = 0 or 1

所以 2x0 + x1 - 1 = 767 就有 2 种情况:

▶ 2x0 + 0 - 1 = 767

▶ 2x0 + 1 - 1 = 767

当 x1 = 0 时,满足条件;当 x1 = 1 时,不满足条件,所以选择 B 选项

2.5 二叉树的存储结构

二叉树一般可以使用两种结构存储,一种顺序结构,一种链式结构:

2.5.1. 顺序存储:

顺序结构存储就是使用数组来存储,它只适合表示完全二叉树,因为不是完全二叉树会有空间的浪费。而现实使用中只有堆才会使用数组来存储,二叉树顺序存储在物理上是一个数组,在逻辑上是一颗二叉树。如下图所见,数组只适合存储完全二叉树或者满二叉树5dc7b2fb487a44b198a91dcf6adf16d7.png怎么表示二叉树的值在数组位置中父子下标关系的:

左孩子和右孩子

leftchild = parent * 2 + 1

rightchild = parent * 2 + 2


父亲 (这里无论是左孩子还是右孩子都适用于以下公式)

parent = (child - 1) / 2


5fe3f2c996be49f48dec28eb121e3ce2.png

2.5.2. 链式存储:

二叉树的链式存储结构是指用链表来表示一棵二叉树,即用链表来指示元素的逻辑关系。通常的方法是链表中每个结点由三个域组成,数据域和左右指针域,左右指针分别用来给出该结点左孩子和右孩子所在的链的存储地址。


链式结构又分为二叉链和三叉链,现阶段本篇文章我们只了解二叉链,在以后的文章内写到高阶数据结构时,如红黑树等会用到三叉链。


二叉链只能通过父亲找孩子,类似于单向链表;而三叉链不仅能通过父亲找孩子,还能通过孩子找父亲,类似于双向链表。

typedef int BTDataType;
//二叉链
struct BinaryTreeNode
{
  struct BinaryTreeNode* _pLeft; //指向当前节点的左孩子
  struct BinaryTreeNode* _pRight; //指向当前节点的右孩子  
  BTDataType _data; //当前节点的值域 
}
//三叉链
struct BinaryTreeNode
{
  struct BinaryTreeNode* _pParent; //指向当前节点的父亲
  struct BinaryTreeNode* _pLeft; //指向当前节点的左孩子
  struct BinaryTreeNode* _pRight; //指向当前节点的右孩子
  BTDataType _data; //当前节点的值域
}

3.总结:

今天我们认识并学习了树与二叉树的相关概念,对树与二叉树有了一个整体的认识。并且对二叉树的两种存储结构也有了一定的了解。下一篇博客我们将学习二叉树顺序结构和实现以及堆的概念及结构。希望我的文章和讲解能对大家的学习提供一些帮助。

当然,本文仍有许多不足之处,欢迎各位小伙伴们随时私信交流、批评指正!我们下期见~

c3ad96b16d2e46119dd2b9357f295e3f.jpg




相关文章
|
8月前
|
JSON 监控 API
京东商品详情API接口(标题|主图|SKU|价格)
京东商品详情API提供标准化接口,支持通过HTTPS获取商品标题、价格、库存、销量等120+字段,数据实时更新至分钟级。包含jd.item.get和jd.union.open.goods.detail.query等接口,支持批量查询200个SKU,适用于价格监控、竞品分析等电商场景。
1260 156
|
2月前
|
人工智能 自然语言处理 API
阿里云Token Plan与Coding Plan有啥区别?配置价格对比、适用人群及开通百炼平台选型指南
阿里云Coding Plan面向个人开发者,按请求次数计费(如Pro版200元/月,限频次);Token Plan团队版面向企业,按Credits(≈Token)统一计费,官网开通:https://t.aliyun.com/U/fPVHqY 支持文本/图像多模态模型,无频次限制,套餐198元起。
|
7月前
|
SQL 人工智能 自然语言处理
Apache Doris 4.0 版本正式发布:全面升级 AI 与搜索能力,强化离线计算
Apache Doris 4.0 正式发布!深度融合AI与搜索能力,支持向量索引、AI函数、全文检索打分,强化离线计算稳定性,提升查询性能与数据质量,助力企业构建高效实时数仓。
981 11
Apache Doris 4.0 版本正式发布:全面升级 AI 与搜索能力,强化离线计算
|
10月前
智谱发布GLM-4.5V,全球开源多模态推理新标杆,Day0推理微调实战教程到!
视觉语言大模型(VLM)已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂,VLM模型也亟需在基本的多模态感知之外,逐渐增强复杂任务中的推理能力,提升自身的准确性、全面性和智能化程度,使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。
1296 0
|
存储 供应链 分布式数据库
深入理解区块链技术:原理、应用与挑战
本文旨在探讨区块链技术的基本原理、主要应用及其面临的挑战。通过分析区块链的分布式账本技术、加密算法和共识机制,我们揭示了其如何在无需中心化权威的情况下确保数据的不可篡改性和透明性。此外,文章还讨论了区块链在金融、供应链管理、智能合约等领域的应用案例,并指出了当前区块链技术面临的可扩展性、隐私保护和法律监管等挑战。通过对这些内容的深入分析,我们希望为读者提供一个全面而深入的区块链技术概览。
2053 16
|
机器学习/深度学习 传感器 算法
基于多模态感知与深度学习的智能决策体系
本系统采用“端-边-云”协同架构,涵盖感知层、计算层和决策层。感知层包括视觉感知单元(800万像素摄像头、UWB定位)和环境传感单元(毫米波雷达、TOF传感器)。边缘侧使用NVIDIA Jetson AGX Orin模组处理多路视频流,云端基于微服务架构实现智能调度与预测。核心算法涵盖人员行为分析、环境质量评估及路径优化,采用DeepSORT改进版、HRNet-W48等技术,实现高精度识别与优化。关键技术突破包括跨摄像头协同跟踪、小样本迁移学习及实时推理优化。实测数据显示,在18万㎡商业体中,垃圾溢流检出率达98.7%,日均处理数据量达4.2TB,显著提升效能并降低运营成本。
729 7
|
缓存 人工智能 监控
通义灵码进阶指南:解锁智能编程的隐藏技能
通义灵码是阿里云推出的智能编程助手,已突破简单代码补全功能,成为全栈开发导航仪、架构思维催化剂、代码质量监督员和知识检索加速器。本文从基础到进阶,详细介绍了其高效操作技巧,包括精准生成、对话式编程、代码重构及技术文档交互等功能。同时提供团队级最佳实践、专家级配置指南及避坑建议,并展望未来实验性功能。通过将其视为“编程伙伴”,开发者可实现更高效的人机协作,优化工作流并提升生产力。
974 6
|
机器学习/深度学习 人工智能 安全
AI大模型安全风险和应对方案
AI大模型面临核心安全问题,包括模型内在风险(如欺骗性对齐、不可解释性和模型幻觉)、外部攻击面扩大(如API漏洞、数据泄露和对抗性攻击)及生成内容滥用(如深度伪造和虚假信息)。应对方案涵盖技术防御与优化、全生命周期管理、治理与行业协同及用户教育。未来需关注动态风险适应、跨领域协同和量子安全预研,构建“技术+管理+法律”三位一体的防护体系,推动AI安全发展。
3992 1
|
人工智能 自然语言处理 小程序
云端微光,AI启航:低代码开发的智造未来
在技术革新飞速发展的浪潮中,低代码开发与AI技术的结合正在重塑编程的边界。通过亲身体验腾讯云开发 Copilot,本篇文章从初学者视角出发,深度探索了从需求输入到功能实现的整个流程。Copilot 的自然语言解析能力和模块化设计,不仅缩短了开发周期,更让非技术背景的用户也能轻松迈入技术世界。AI 的加持使开发效率倍增,需求转化更加精准;然而,复杂场景中的生成代码质量和高级功能支持也存在优化空间。文章总结了AI辅助开发的技术优势、应用场景与未来发展方向,并探讨了开发者角色在智能化时代的转型,致力于为读者呈现一
574 4
云端微光,AI启航:低代码开发的智造未来