uva 297 Quadtrees

简介: 点击打开链接 题目意思:给定两个字符串,字符p对应建立子树,字符e为白色,f为黑色对于不同层黑点f对应不同的值,最上面为1024下来为每个子树256.

点击打开链接

题目意思:给定两个字符串,字符p对应建立子树,字符e为白色,f为黑色对于不同层黑点f对应不同的值,最上面为1024下来为每个子树256.....,这样建立两颗四叉树,计算两颗树相加后的黑点f对应的值,注意在两颗树上同一点处,只要有一个为黑点,那么相加后就为黑

解题思路:1首先建立两颗树,采用递归建树的方法  2建完树后利用前序遍历的方法进行递归求解和

代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <string>
#include <cstdlib>
#include <deque>
#include <algorithm>
using namespace std;

const int MAXN = 1000010;//定义一个常量

//4叉树的结构体
struct Btree{
    char c;
    struct Btree *child[4];//四叉我们开个数组存储四个子树
};
Btree *root1 , *root2;//两颗树的根节点
char  str1[MAXN] , str2[MAXN];//存储读入的两串字符串
int l1 , l2 , sum , pos;

//4叉树的初始华
void newnode(Btree *u){
    u -> c = 0;
    for(int i = 0 ; i < 4 ; i++)
        u -> child[i] = NULL;
}

//树的递归建立
Btree* BuildTree(Btree *root , char *str){//返回Btree*
    ++pos;//pos要为全局,注意递归的全局和局部变量区别
    if(pos == strlen(str))//如果达到字符串末尾则返回NULL
        return NULL;
    root = new Btree;//每一New一个
    newnode(root);//new出来要习惯初始化
    root -> c = str[pos];//根节点的值为str[pos]
    if(str[pos] == 'p'){//如果为p则建立子树,否则直接返回根节点就好
        for(int i = 0 ; i < 4 ; ++i){
            if(root->child[i] == NULL){//如果哪个子树为空则递归产生子树
                root->child[i] = BuildTree(root->child[i] , str); 
            }
        }
    }
    return root;
}

//前序求和(同时遍历两颗树)
void preorder(Btree *root1 , Btree *root2 , int level){
    if(root1 == NULL && root2 == NULL)//如果两颗树此时都为空则直接返回
        return;
    if(root1 == NULL){//树1为空时候
        if(root2->c == 'f'){//如果当前树2的值为f要加上值1024>>(level*2)
            sum += 1024>>(level*2);//位运算的使用
            return;//为f   说明子树为空直接返回即可
        }
        for(int i = 0 ; i < 4 ; i++)//否则遍历子树2的四个方向
            preorder(root1 , root2->child[i] , level+1);
        return;//记得每一次都要返回
    }
    if(root2 == NULL){//同上
        if(root1->c == 'f'){
            sum += 1024>>(level*2);
            return;
        }
        for(int i = 0 ; i < 4 ; i++)
            preorder(root1->child[i] , root2 , level+1);
        return;
    }
    //如果此时要个都不为空只要有一个是f就要加上对应值
    if(root1->c == 'f' || root2->c == 'f'){
        sum += 1024>>(level*2);
        return;//返回上一层
    }
    for(int i = 0 ; i < 4 ; i++)//四个方向的遍历
        preorder(root1->child[i] , root2->child[i] , level+1);
}

//输入函数
void solve(){
    pos = -1;
    root1 = new Btree;
    root2 = new Btree;
    newnode(root1);//初始化
    newnode(root2);
    root1 = BuildTree(root1 , str1);//建树
    root2 = BuildTree(root2 , str2);//建树
    sum = 0;
    preorder(root1 , root2 , 0);
    printf("There are %d black pixels.\n" , sum);
}
//主函数
int main(){
    int t;
    scanf("%d" , &t);
    while(t--){
        scanf("%s%s" , str1 , str2);//输入两串字符串
        solve();
    }
    return  0;
}






目录
相关文章
|
2月前
|
安全 网络协议 算法
Nmap网络扫描工具详细使用教程
Nmap 是一款强大的网络发现与安全审计工具,具备主机发现、端口扫描、服务识别、操作系统检测及脚本扩展等功能。它支持多种扫描技术,如 SYN 扫描、ARP 扫描和全端口扫描,并可通过内置脚本(NSE)进行漏洞检测与服务深度枚举。Nmap 还提供防火墙规避与流量伪装能力,适用于网络管理、渗透测试和安全研究。
462 1
|
Web App开发 分布式计算 小程序
什么是云计算,云计算在未来有什么作用?
简要介绍云计算及云计算作用
8344 0
|
4月前
|
安全
电脑32位系统能改64位系统吗
本文详解32位系统能否升级为64位。答案是:可以,但需满足CPU支持64位架构、内存至少4GB等条件。升级唯一方法是重装系统,需备份数据、制作启动U盘、设置BIOS并安装驱动。升级前务必确认硬件兼容性,避免系统运行不稳定。
|
2月前
|
安全 Linux iOS开发
Tenable Nessus 10.10 (macOS, Linux, Windows) - 漏洞评估解决方案
Tenable Nessus 10.10 (macOS, Linux, Windows) - 漏洞评估解决方案
312 0
Tenable Nessus 10.10 (macOS, Linux, Windows) - 漏洞评估解决方案
|
6月前
|
机器学习/深度学习 人工智能 机器人
魔搭社区模型速递(5.11-5.17)
🙋魔搭ModelScope本期社区进展:📟1656个模型,151个数据集,645个创新应用,📄 9 篇内容
320 11
|
分布式计算 大数据 Spark
基于Docker搭建大数据集群(四)Spark部署
基于Docker搭建大数据集群(四)Spark部署
|
8月前
|
机器学习/深度学习 算法 大数据
京东图片搜索拍立淘 API 接口全攻略
京东图片搜索拍立淘 API 基于先进图像识别技术,支持通过上传图片、提供 URL 或拍摄实物搜索相似商品。依托机器学习与大数据,该接口精准匹配商品特征,覆盖广泛商品库,提供高效便捷的购物体验。其特点包括便捷搜索、精准匹配、智能推荐和广泛数据覆盖。示例代码展示如何使用 Python 调用接口,需根据实际文档调整参数与签名算法,确保请求安全性和准确性。
|
存储 机器学习/深度学习 搜索推荐
去中心化的模型训练
去中心化的模型训练(Decentralized Model Training)是一种不依赖单一中心服务器或数据存储中心,而是在多个节点(如设备或数据拥有者)上进行联合训练的方法。这种训练模式可以更好地保护数据隐私、降低数据传输成本,并提升模型的鲁棒性和可扩展性。随着数据安全和隐私保护需求的提升,去中心化训练在深度学习和人工智能应用中的重要性逐渐增加。
379 4
|
存储 监控 前端开发
现货合约量化交易系统开发技术规则
现货合约量化交易系统的开发是综合性工程,涵盖目标确定、市场调研、功能规划等前期准备;选择编程语言和技术栈;设计系统架构;开发策略管理、资金管理、交易执行、数据分析及用户界面模块;进行单元、集成、压力测试及优化;最后选择服务器部署并持续监控。
|
机器学习/深度学习 测试技术 持续交付
ONNX 与持续集成/持续部署 (CI/CD):构建可信赖的 ML 生命周期管理
【8月更文第27天】随着机器学习 (ML) 模型的广泛应用,确保模型的正确性、稳定性和可追踪性变得尤为重要。持续集成/持续部署 (CI/CD) 是软件开发中的重要实践,旨在通过自动化测试和部署流程来提高软件质量和开发效率。将 ONNX 集成到 CI/CD 流程中可以实现模型版本管理、自动化测试和部署,从而构建一个可信赖的机器学习生命周期管理系统。本文将探讨如何将 ONNX 模型与 CI/CD 流程结合,以实现模型的自动化管理。
306 5