数据结构与算法之 树

简介: 二叉搜索树的使用

二叉搜索树的使用

//这一个版本写的是较为简单的树,分为了三个部分组成,
主要是利用栈的思想来进行前序遍历我们的树,本程序没有采用递归去前序遍历,用递归的话效率过低,不推荐使用.
//本程序所实现的功能有
//插入元素(必须小于栈的最大容量). 前序遍历 二叉搜索树的删除(必须小于当前树内元素的个数) .再次前序遍历 .查找指定节点
teer.h
#pragma once
#define MAX_NODE 1024
typedef int ElemeType;
typedef struct _Bnode {
  ElemeType data;   //元素类型
  struct _Bnode *lchild, *rchild; //指向左右孩子结点
}Bnode, Btree;
stack.h
#pragma once
#include<stdlib.h>
#include<stdio.h>
#include"tree.h"
#define MaxSize 128 //预分配空间, 这个数值根据实际大小预估确定
typedef struct _SqStack {
  Bnode *base;  //栈底指针
  Bnode *top;   //栈顶指针
}SqStack;
//构造一个空栈S
bool InitStack(SqStack &S) {  
  S.base = new Bnode[MaxSize];  //为栈分配最大容量
  if (!S.base) return false;  //空间分配失败
  S.top = S.base;   //top初始化为base,空栈
  return true;
}
//插入元素e为新的栈顶元素
bool PushStack(SqStack &S, Bnode e) {
  if (S.top - S.base == MaxSize)
    return false;   //栈满
  *(S.top++) = e;
  return true;
}
//删除S的栈顶元素,暂存在变量e
bool PopStack(SqStack &S, Bnode &e) {
  if (S.base == S.top)
    return false; //栈空
  e = *(--S.top);
  return true;
}
//返回S的栈顶元素,栈顶指针不变
Bnode *GetTop(SqStack &S) {
  if (S.top != S.base) {  //栈非空
    return S.top - 1; //返回栈顶元素的值,栈顶指针不变
  } else {  //这种情况是栈空的状况
    return NULL;
  }
}
//返回栈中元素个数
int GetSize(SqStack &S) {
  return(S.top - S.base);
}
//判断栈是否为空
bool IsEmpty(SqStack &S) {
  if (S.top == S.base) {
    return true;
  } else {
    return false;
  }
}
//销毁栈
void DestroyStack(SqStack &S) {
  if (S.base) {
    free(S.base);
    S.base = NULL;
    S.top = NULL;
  }
}
tree.cpp
//1.插头 2. 全插 3.前序遍历 4.二叉搜索树的删除 5.再次前序遍历 6.查找指定节点
#include<iostream>
#include<Windows.h>
#include"stack.h"
using namespace std;
static int length = 0;
//插入元素
bool InsertBnode(Btree* &root, Bnode* node) {
  Btree *tmp=NULL, *parent = NULL;;
  if (!node) return false;  //待插入的节点为空时,直接就返回
  //将待插入的节点的左右后指针清空,为了以后的插入做准备
  node->lchild = NULL;
  node->rchild = NULL;
  //如果没有根节点那么,根节点的值就等于要插入结点的值
  if (root->data == NULL) {
    root->data = node->data;
    length++;
    return true;
  }
  //再有根节点的情况下
  tmp = root; //先让这个临时指针指向我们的根结点,代替我们的根节点移动从而去和要插入结点比较
  while (tmp) { //遍历能比较的点,知道tmp指向的结点的左右子节点都不存在为止
    parent = tmp; //让parent 充当现在的父节点,tmp就能继续向下实现遍历了
    if (node->data > parent->data) {  //当要插入结点大于我们的父节点时tmp继续向下遍历
      tmp = tmp->rchild;
    } else {  //当要插入结点小于我们的父节点时tmp继续向下遍历
      tmp = tmp->lchild;
    }
  }
  //现在已经到了最后的结点了,现在比较带插入结点和这个parent结点哪个大就能确定待插入结点的位置
  if (node->data > parent->data) {  //待插入结点大于父节点 放右边
    parent->rchild = node;
  } else {  //待插入结点小于父节点 放左边
    parent->lchild= node;
  }
  length++;
  return true;
}
//前序遍历
void proprint(Btree* root) {
  Btree tmp;
  SqStack stack;
  InitStack(stack);
  PushStack(stack, *root);  //根节点进栈
  while (!(IsEmpty(stack))) { //栈为空,所有节点均已处理 
    PopStack(stack, tmp);   //要遍历的节点  
    printf("- %d -", tmp.data);   //打印要便利的节点的值
    if (tmp.rchild != NULL) {
      PushStack(stack, *(tmp.rchild)); //右子节点先入栈,后处理  
    }
    if (tmp.lchild != NULL) {
      PushStack(stack, *(tmp.lchild)); //左子节点后入栈,接下来先 处理  
    }
  }
  DestroyStack(stack);  //将我们的之前创建好的栈销毁掉
}
//寻找二叉搜索树左子树上最大的结点 
int findMax(Btree* root) {
  //方式二 采用循环 
  while(root->rchild){ 
    root = root->rchild; 
  }
  return root->data; 
}
//删除指定元素
Btree* DeleteNode(Btree* root, int key) {
  if (root == NULL) return NULL;//没有找到删除节点 
  if (root->data > key) {
    root->lchild = DeleteNode(root->lchild, key);
    return root;
  }
  if (root->data < key) {
    root->rchild = DeleteNode(root->rchild, key);
    return root;
  }
  //删除节点不存在左右子节点,即为叶子节点,直接删除 
  if (root->lchild == NULL && root->rchild == NULL) {
    length--;
    return NULL;
  }
  //删除节点只存在右子节点,直接用右子节点取代删除节点 
  if (root->lchild == NULL && root->rchild != NULL) {
    length--;
    return root->rchild;
  }
  //删除节点只存在左子节点,直接用左子节点取代删除节点 
  if (root->lchild != NULL && root->rchild == NULL){
    length--;
  return root->lchild;
}
  //删除节点存在左右子节点,直接用左子节点最大值取代删除节点
  int val = findMax(root->lchild);
  root->data=val; 
  root->lchild = DeleteNode(root->lchild,val); 
  length--;
  return root; 
}
/** * 使用非递归方式查找结点 */
bool QueryByLoop(Bnode* root, int Element) { 
  while (root != NULL && root->data!= Element) {
    if (Element <root->data) {
      root = root->lchild; 
    } else { 
      root = root->rchild; 
    }
  }
  if (root == NULL) {
    return false;
  } else {
    return true;
  }
}
int main(void) {
  Btree *s=new Btree;
  s->lchild = s->rchild = NULL;
  s->data = NULL;
  Bnode *node;
  //将第一个数据插入到树作为根节点
  node = new Bnode;
  cout << "请输入你想要入树的元素个数(不得超过本栈的最大容量:   " << MaxSize << "): ";
  int num=-1;
  cin >> num;
  //不让用户输入的值超过栈的最大容量
  while (1) {
    if (num > MaxSize) {
      cout << "输入的个数超过了本栈的最大容量,请重新输入!!!! ";
      cout << "请输入你想要入树的元素个数(不得超过本栈的最大容量:   " << MaxSize << "): ";
      cin >> num;
    } else {
      break;
    }
  }
  //插入头结点
  cout << "请输入你想要插入的元素: ";
  cin>>node->data;
  if(InsertBnode(s, node)) {
    cout << "插入元素 " << node->data << "成功! " << endl;
  } else {
    cout << "插入元素失败! " << endl;
  }
  for (int i = 1; i < num; i++) {
    node = new Bnode;
    cout << "请输入你想要插入的元素: ";
    cin >> node->data;
    if (InsertBnode(s, node)) {
      cout << "插入元素 " << node->data << "成功! " << endl;;
    } else {
      cout << "插入元素失败! " << endl;
    }
  }
  //前序遍历树
  proprint(s);
  cout << "一共有 " << length << " 个元素" << endl;
  //二叉搜索树的删除
  cout << "请输入你要删除的元素的个数(不能超过现在的树的最大个数: " << length << "): ";
  int Element;
  cout << endl;
  cin >> num;
  while (1) {
    if (num > length) {
      cout << "输入的个数超过了本栈的最大容量,请重新输入!!!! ";
      cout << "请输入你想要入树的元素个数(不得超过本栈的最大容量:   " << length << "): ";
      cin >> num;
    } else {
      break;
    }
  }
  for (int i = 0; i < num; i++) {
    cout << "请输入你想删除的值: ";
    cin >> Element;
    DeleteNode(s, Element);
    cout << "***********************************************" << endl;
    proprint(s);
    cout << "一共有 " << length << " 个元素)" << endl;
    cout << "***********************************************" << endl;
  }
  cout << "请输入你想要查找的值:  " << endl;
  cin >> Element;
  if (QueryByLoop(s, Element)) {
    cout << "查找成功!! 查找的值是:   " << Element << endl;
  } else {
    cout << "查找失败!不存在这个值" << endl;
  }
  proprint(s);
  cout << "一共有 " << length << " 个元素" << endl;
  system("pause");
  return 0;
}


       20191016092244535.png                        

目录
相关文章
|
5月前
|
存储 机器学习/深度学习 监控
网络管理监控软件的 C# 区间树性能阈值查询算法
针对网络管理监控软件的高效区间查询需求,本文提出基于区间树的优化方案。传统线性遍历效率低,10万条数据查询超800ms,难以满足实时性要求。区间树以平衡二叉搜索树结构,结合节点最大值剪枝策略,将查询复杂度从O(N)降至O(logN+K),显著提升性能。通过C#实现,支持按指标类型分组建树、增量插入与多维度联合查询,在10万记录下查询耗时仅约2.8ms,内存占用降低35%。测试表明,该方案有效解决高负载场景下的响应延迟问题,助力管理员快速定位异常设备,提升运维效率与系统稳定性。
285 4
|
10月前
|
存储 机器学习/深度学习 算法
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty 敏感词
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty 敏感词
KMP、Trie树 、AC自动机‌ ,三大算法实现 优雅 过滤 netty  敏感词
|
8月前
|
监控 算法 安全
基于 C# 基数树算法的网络屏幕监控敏感词检测技术研究
随着数字化办公和网络交互迅猛发展,网络屏幕监控成为信息安全的关键。基数树(Trie Tree)凭借高效的字符串处理能力,在敏感词检测中表现出色。结合C#语言,可构建高时效、高准确率的敏感词识别模块,提升网络安全防护能力。
210 2
|
10月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
252 17
|
算法
数据结构之博弈树搜索(深度优先搜索)
本文介绍了使用深度优先搜索(DFS)算法在二叉树中执行遍历及构建链表的过程。首先定义了二叉树节点`TreeNode`和链表节点`ListNode`的结构体。通过递归函数`dfs`实现了二叉树的深度优先遍历,按预序(根、左、右)输出节点值。接着,通过`buildLinkedList`函数根据DFS遍历的顺序构建了一个单链表,展示了如何将树结构转换为线性结构。最后,讨论了此算法的优点,如实现简单和内存效率高,同时也指出了潜在的内存管理问题,并分析了算法的时间复杂度。
427 0
|
10月前
|
存储 监控 算法
局域网上网记录监控的 C# 基数树算法高效检索方案研究
在企业网络管理与信息安全领域,局域网上网记录监控是维护网络安全、规范网络行为的关键举措。随着企业网络数据量呈指数级增长,如何高效存储和检索上网记录数据成为亟待解决的核心问题。基数树(Trie 树)作为一种独特的数据结构,凭借其在字符串处理方面的卓越性能,为局域网上网记录监控提供了创新的解决方案。本文将深入剖析基数树算法的原理,并通过 C# 语言实现的代码示例,阐述其在局域网上网记录监控场景中的具体应用。
217 7
|
12月前
|
人工智能 算法 语音技术
Video-T1:视频生成实时手术刀!清华腾讯「帧树算法」终结闪烁抖动
清华大学与腾讯联合推出的Video-T1技术,通过测试时扩展(TTS)和Tree-of-Frames方法,显著提升视频生成的连贯性与文本匹配度,为影视制作、游戏开发等领域带来突破性解决方案。
399 4
Video-T1:视频生成实时手术刀!清华腾讯「帧树算法」终结闪烁抖动
|
9月前
|
机器学习/深度学习 算法 搜索推荐
决策树算法如何读懂你的购物心理?一文看懂背后的科学
"你为什么总能收到刚好符合需求的商品推荐?你有没有好奇过,为什么刚浏览过的商品就出现了折扣通知?
262 0
|
算法 Java
算法系列之数据结构-Huffman树
Huffman树(哈夫曼树)又称最优二叉树,是一种带权路径长度最短的二叉树,常用于信息传输、数据压缩等方面。它的构造基于字符出现的频率,通过将频率较低的字符组合在一起,最终形成一棵树。在Huffman树中,每个叶节点代表一个字符,而每个字符的编码则是从根节点到叶节点的路径所对应的二进制序列。
374 3
 算法系列之数据结构-Huffman树
|
存储 自然语言处理 数据库
【数据结构进阶】AVL树深度剖析 + 实现(附源码)
在深入探讨了AVL树的原理和实现后,我们不难发现,这种数据结构不仅优雅地解决了传统二叉搜索树可能面临的性能退化问题,还通过其独特的平衡机制,确保了在任何情况下都能提供稳定且高效的查找、插入和删除操作。
848 19

热门文章

最新文章