代码随想录算法训练营第二十二天 | LeetCode 669. 修剪二叉搜索树、108. 将有序数组转换为二叉搜索树、538. 把二叉搜索树转换为累加树

简介: 代码随想录算法训练营第二十二天 | LeetCode 669. 修剪二叉搜索树、108. 将有序数组转换为二叉搜索树、538. 把二叉搜索树转换为累加树

1. LeetCode 669. 修剪二叉搜索树

1.1 思路

  1. 在上面450. 删除二叉搜索树中的节点这题中有一种情况我们是把删除节点的右子树返回给删除节点的父节点,让父节点直接指向被删节点的右子树。
  2. 递归函数的参数和返回值:就是本题给的函数,返回的是修剪完后新的二叉树的根节点,参数是root,左右边界low和high
  3. 终止条件:如果遍历到null,就return null;
  4. 常见误区:如果root的值比low小或者比high大就返回null,如果按照这样删除,那么root的父节点就直接指向空了,如果root还有左右孩子就直接无法连接了。
  5. 正确思路:如果发现当前节点的值比左边界小或者比右边界大,其右子树是可能符合边界条件的,就应该先把右子树接着遍历
  6. 以下是单层递归的逻辑:
  7. 判断如果root的值比low小,就接着向右遍历,right=函数(root.right, low, high),含义是把被删节点的右子树修剪完以后返回给被删节点的父节点,然后返回right;这里判断后不能直接return root.right,因为root的右子树不一定完全符合题目的边界要求,因此需要遍历。
  8. 判断如果root的值比high大,就接着向左遍历,left=函数(root.left, low, high),含义是把被删节点的左子树修剪完以后返回给被删节点的父节点,然后返回left;这里判断后不能直接return root.left,因为root的左子树不一定完全符合题目的边界要求,因此需要遍历。
  9. 接着就是左root.left=函数(root.left, low, high);然后是右root.right=函数(root.right, low, high);return root。root在上面处理过了

1.2 代码

//
class Solution {
    public TreeNode trimBST(TreeNode root, int low, int high) {
        if (root == null) {
            return null;
        }
        if (root.val < low) {
            return trimBST(root.right, low, high);
        }
        if (root.val > high) {
            return trimBST(root.left, low, high);
        }
        // root在[low,high]范围内
        root.left = trimBST(root.left, low, high);
        root.right = trimBST(root.right, low, high);
        return root;
    }
}

2. LeetCode 108. 将有序数组转换为二叉搜索树

2.1 思路

  1. 关于构造二叉树,在106. 从中序与后序遍历序列构造二叉树这题中讲解过,整体思路是先选取一个中间节点,然后将数组分为左区间和右区间,递归遍历左区间构造左子树和遍历右区间构造右子树。
  2. 本题中,也只有选取数组中间的数作为中间节点,左区间和右区间数量才相同,然后左区间也选中间然后分割左右区间,右区间也选中间然后分割左右区间。如果数组长度是偶数,中间有两个数,其实选哪个都可以,只是取靠左的那个数和靠右的那个数构造出来的树结构不一样而已。
  3. 递归函数的参数和返回值:参数是nums数组,左边界,右边界。返回值就是构造出来的二叉树的根节点。定义区间的时候是左闭右闭还是左闭右开,这点要注意很重要!我们要全部统一定义,这里我定义的是左闭右闭的区间
  4. 终止条件:如果left>right就是一个非法区间了,因为我这里定义的是左闭右闭,left==right是一个合法区间,只是这里是只有一个节点,那可能是叶子节点,但也符合题意的,因此我们就left>right时返回null即可
  5. 单层递归的逻辑:中间节点的位置mid=(left+right)/2;然后是构造二叉树,root=新的节点,把nums[mid]赋值给它;然后root.left=函数(nums, left, mid-1),因为是左闭右闭的区间,所以mid要减1,mid-1这个位置是包含右边界的。这个函数的含义是在这个数组下,下标是left和mid-1所构造的二叉树的根节点返回过来给root的左子树;然后root.right=函数(nums, mid+1, right),因为是左闭右闭的区间,所以mid要+1,mid+1这个位置是包含左边界的。这个函数的含义是在这个数组下,下标是mid+1和right所构造的二叉树的根节点返回过来给root的右子树。然后返回root即可

2.2 代码

//
class Solution {
  public TreeNode sortedArrayToBST(int[] nums) {
    TreeNode root = traversal(nums, 0, nums.length - 1);
    return root;
  }
  // 左闭右闭区间[left, right]
  private TreeNode traversal(int[] nums, int left, int right) {
    if (left > right) return null;
    int mid = left + ((right - left) >> 1);
    TreeNode root = new TreeNode(nums[mid]);
    root.left = traversal(nums, left, mid - 1);
    root.right = traversal(nums, mid + 1, right);
    return root;
  }
}

3. LeetCode 538. 把二叉搜索树转换为累加树

3.1 思路

  1. 本题的累加方式是右中左,也就是反中序遍历,按照中序遍历的方式从右开始加就看懂了
  2. 本题我们要从后往前加,如何从最大的节点开始倒序遍历呢?也就是右中左。那如何当前节点跟前一个节点相加呢?双指针!root指向当前节点,pre指向前一个节点的值,然后逐渐相加,逐渐往回遍历
  3. 递归函数的参数和返回值:要先定义一个全局变量int pre=0,直接定义成值就好,不用是节点,最开始root是指向最大的节点,pre=0,root.val+=pre,最开始是不变的。定义个新函数,返回值void,因为本题不需要返回值返回什么,参数就是传入根节点
  4. 终止条件:遇到空节点就return了
  5. 单层递归的逻辑:因为是右中左,因此先往右遍历,travelsal(root.right);然后就是中的逻辑,就是root.val+=pre,然后pre=root.val,就更新pre,能让下一次root指向下一个节点时,pre能表示root的前一个节点的值;然后是再往左遍历,travelsal(root.left)。最后return即可

3.2 代码

//
class Solution {
    int sum;
    public TreeNode convertBST(TreeNode root) {
        sum = 0;
        convertBST1(root);
        return root;
    }
    // 按右中左顺序遍历,累加即可
    public void convertBST1(TreeNode root) {
        if (root == null) {
            return;
        }
        convertBST1(root.right);
        sum += root.val;
        root.val = sum;
        convertBST1(root.left);
    }
}
相关文章
|
22天前
|
机器学习/深度学习 存储 算法
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
近端策略优化(PPO)是深度强化学习中高效的策略优化方法,广泛应用于大语言模型的RLHF训练。PPO通过引入策略更新约束机制,平衡了更新幅度,提升了训练稳定性。其核心思想是在优势演员-评论家方法的基础上,采用裁剪和非裁剪项组成的替代目标函数,限制策略比率在[1-ϵ, 1+ϵ]区间内,防止过大的策略更新。本文详细探讨了PPO的基本原理、损失函数设计及PyTorch实现流程,提供了完整的代码示例。
185 10
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
|
3月前
|
存储 算法 程序员
C 语言递归算法:以简洁代码驾驭复杂逻辑
C语言递归算法简介:通过简洁的代码实现复杂的逻辑处理,递归函数自我调用解决分层问题,高效而优雅。适用于树形结构遍历、数学计算等领域。
|
4月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
104 1
|
4月前
|
存储 缓存 算法
通过优化算法和代码结构来提升易语言程序的执行效率
通过优化算法和代码结构来提升易语言程序的执行效率
106 2
|
11天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
83 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
2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-LSTM-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-LSTM-SAM网络时间序列预测算法。使用Matlab2022a开发,完整代码含中文注释及操作视频。算法结合卷积层提取局部特征、LSTM处理长期依赖、自注意力机制捕捉全局特征,通过粒子群优化提升预测精度。适用于金融市场、气象预报等领域,提供高效准确的预测结果。
|
2天前
|
算法 数据安全/隐私保护
基于Big-Bang-Big-Crunch(BBBC)算法的目标函数最小值计算matlab仿真
该程序基于Big-Bang-Big-Crunch (BBBC)算法,在MATLAB2022A中实现目标函数最小值的计算与仿真。通过模拟宇宙大爆炸和大收缩过程,算法在解空间中搜索最优解。程序初始化随机解集,经过扩张和收缩阶段逐步逼近全局最优解,并记录每次迭代的最佳适应度。最终输出最佳解及其对应的目标函数最小值,并绘制收敛曲线展示优化过程。 核心代码实现了主循环、粒子位置更新、适应度评估及最优解更新等功能。程序运行后无水印,提供清晰的结果展示。
|
16天前
|
算法
基于遗传优化算法的风力机位置布局matlab仿真
本项目基于遗传优化算法(GA)进行风力机位置布局的MATLAB仿真,旨在最大化风场发电效率。使用MATLAB2022A版本运行,核心代码通过迭代选择、交叉、变异等操作优化风力机布局。输出包括优化收敛曲线和最佳布局图。遗传算法模拟生物进化机制,通过初始化、选择、交叉、变异和精英保留等步骤,在复杂约束条件下找到最优布局方案,提升风场整体能源产出效率。
|
3天前
|
算法 数据挖掘 数据安全/隐私保护
基于CS模型和CV模型的多目标协同滤波跟踪算法matlab仿真
本项目基于CS模型和CV模型的多目标协同滤波跟踪算法,旨在提高复杂场景下多个移动目标的跟踪精度和鲁棒性。通过融合目标间的关系和数据关联性,优化跟踪结果。程序在MATLAB2022A上运行,展示了真实轨迹与滤波轨迹的对比、位置及速度误差均值和均方误差等关键指标。核心代码包括对目标轨迹、速度及误差的详细绘图分析,验证了算法的有效性。该算法结合CS模型的初步聚类和CV模型的投票机制,增强了目标状态估计的准确性,尤其适用于遮挡、重叠和快速运动等复杂场景。
|
1天前
|
算法 数据安全/隐私保护
基于Adaboost的数据分类算法matlab仿真
本程序基于Adaboost算法进行数据分类的Matlab仿真,对比线性与非线性分类效果。使用MATLAB2022A版本运行,展示完整无水印结果。AdaBoost通过迭代训练弱分类器并赋予错分样本更高权重,最终组合成强分类器,显著提升预测准确率。随着弱分类器数量增加,训练误差逐渐减小。核心代码实现详细,适合研究和教学使用。

热门文章

最新文章