判断树是否为平衡二叉树

合集下载

平衡二叉树在生物数据管理中的应用

平衡二叉树在生物数据管理中的应用

平衡二叉树在生物数据管理中的应用生物数据管理是现代生命科学中最重要的一个领域之一,它包含了大量的数据的收集、存储、处理和分析,为生命科学研究提供了重要的支撑和工具。

然而,由于生物学的复杂性和数据的庞大性,生物数据管理常常遇到数据存储和查找效率低下的问题。

此时,平衡二叉树这种数据结构就显得尤为重要。

一、平衡二叉树的概念平衡二叉树,也叫AVL树,是一种特殊的二叉树,它具有以下的特点:1、根节点有左、右两个子树。

2、每个节点都有一个平衡因子,一般是左子树的高度减去右子树的高度,或者相反。

3、任何节点的平衡因子绝对值不超过1。

4、本身是一棵二叉搜索树。

由于二叉搜索树具有自动排序的功能,平衡二叉树可以在保持搜索性质的前提下,优化数据的存储和查找效率。

在生物数据管理中,平衡二叉树特别适用于需要频繁插入、删除和查找的数据管理情景中。

二、平衡二叉树在基因组数据分析中的应用基因组数据分析是生物数据管理最重要的一个分支,其主要的任务是探寻基因与表型之间的关系,寻找生命本质的规律。

在大量基因组数据管理中,平衡二叉树的应用尤为显著。

以下分别介绍平衡二叉树在基因组数据管理中的三个应用场景。

1、基于平衡二叉树的基因数据索引在基因组数据管理中,基因序列的索引是非常重要的,常见的基因索引方式有散列表和基于平衡二叉树的索引。

相较于散列表,平衡二叉树可以自动排序,保证基因序列的有序性。

同时,基于平衡二叉树的索引查询效率更高,插入和删除也更加方便。

基于平衡二叉树的基因数据索引在生物数据管理中广泛应用,大大加快了生物学数据分析的速度和效率。

2、基于平衡二叉树的遗传多态性分析遗传多态性分析是研究个体间的基因差异和变异的重要手段,通过遗传多态性分析可以预测基因与表型之间的相关性,在生物医药研究和诊断方面有着广泛的应用。

基于平衡二叉树的遗传多态性分析通过平衡二叉树的搜索功能,可以非常方便地查询和筛选不同生物样本中的相似性和差异性,从而预测基因的表型效应。

算法面试经典100题

算法面试经典100题

算法面试经典100题算法面试是计算机领域的重要环节,经典的算法问题往往能够考验求职者的解决问题的能力和思维属性。

在这里,我们将介绍100道经典的算法面试题,让你在面试中迎刃而解。

字符串:1. 判断一个字符串是否为回文字符串。

2. 给定一个字符串,求出其中出现次数最多的字符和出现的次数。

3. 实现一个函数,将字符串中的空格替换为"%20"。

4. 判断一个字符串是否与另一个字符串的字符种类和数量相同。

5. 找出一个字符串中出现次数为1的字符。

数组和矩阵:6. 寻找数组中的最大值和最小值。

7. 给定一个有序数组,实现两数之和。

8. 给定一个数组和一个目标值,找出数组中两数之和等于目标值的下标。

9. 给定一个有序数组和一个目标值,找出目标值在数组中第一次出现的下标。

10. 给定一个二维矩阵和一个目标值,找出目标值在矩阵中的位置。

链表:11. 反转链表。

12. 删除链表中的重复节点。

13. 找到链表的中间节点。

14. 找到链表的倒数第k个节点。

15. 判断链表是否为回文链表。

树:16. 实现二叉查找树,并对其进行插入和查找操作。

17. 实现二叉查找树的前序、中序和后序遍历。

18. 实现二叉查找树的广度优先遍历。

19. 判断两棵二叉树是否相同。

20. 判断一棵二叉树是否为平衡二叉树。

图:21. 判断一张图是否为二分图。

22. 实现拓扑排序。

23. 实现最短路径算法(如Dijkstra算法)。

24. 实现最小生成树算法(如Prim算法和Kruskal算法)。

25. 实现图的遍历(如深度优先遍历和广度优先遍历)。

排序和查找:26. 实现冒泡排序。

27. 实现快速排序。

28. 实现选择排序。

29. 实现插入排序。

30. 实现归并排序。

31. 实现希尔排序。

32. 实现堆排序。

33. 实现计数排序。

34. 实现基数排序。

35. 实现查找算法(如二分查找和哈希查找)。

动态规划:36. 实现斐波那契数列。

平衡二叉树10.3.2

平衡二叉树10.3.2

11
28
96 98
25
(1) LL型调整 型调整 p A 1 2
调整方法: 调整方法: 单向右旋平衡,即将 的左孩子 单向右旋平衡,即将A的左孩子 B 向右上旋转代替 成为根结点, 向右上旋转代替A成为根结点 成为根结点, 结点向右下旋转成为B的右 将A结点向右下旋转成为 的右 结点向右下旋转成为 子树的根结点, 子树的根结点,而B的原右子树 的原右子树 则作为A结点的左子树 结点的左子树. 则作为 结点的左子树. h d e B
1 38 -1 24 88
0 -1 -2
0
11
28 1
96
0
-1 0
25
0
98
1,平衡二叉树插入结点的调整方法
若向平衡二叉树中插入一个新结点后破坏了平衡二叉树的平衡性, 若向平衡二叉树中插入一个新结点后破坏了平衡二叉树的平衡性, 首先从根结点到该新插入结点的路径之逆向根结点方向找第一个失去平 衡的结点, 衡的结点,然后以该失衡结点和它相邻的刚查找过的两个结点构成调整 子树(最小不平衡子树 即调整子树是指以离插入结点最近,且平衡因子 最小不平衡子树), 子树 最小不平衡子树 ,即调整子树是指以离插入结点最近 且平衡因子 绝对值大于1的结点为根结点的子树 使之成为新的平衡子树. 的结点为根结点的子树,使之成为新的平衡子树 绝对值大于 的结点为根结点的子树 使之成为新的平衡子树. 38 24 88 -2
(2)RR型调整 型调整 p A -1 -2
调整方法: 调整方法: 单向左旋平衡:即将 的右孩子 的右孩子B向 单向左旋平衡:即将A的右孩子 向 左上旋转代替A成为根结点 成为根结点, 左上旋转代替 成为根结点,将A结 结 点向左下旋转成为B的左子树的根 点向左下旋转成为 的左子树的根 结点, 的原左子树则作为A结点 结点,而B的原左子树则作为 结点 的原左子树则作为 的右子树. 的右子树. B

数据结构与算法系列研究五——树、二叉树、三叉树、平衡排序二叉树AVL

数据结构与算法系列研究五——树、二叉树、三叉树、平衡排序二叉树AVL

数据结构与算法系列研究五——树、⼆叉树、三叉树、平衡排序⼆叉树AVL树、⼆叉树、三叉树、平衡排序⼆叉树AVL⼀、树的定义树是计算机算法最重要的⾮线性结构。

树中每个数据元素⾄多有⼀个直接前驱,但可以有多个直接后继。

树是⼀种以分⽀关系定义的层次结构。

a.树是n(≥0)结点组成的有限集合。

{N.沃恩}(树是n(n≥1)个结点组成的有限集合。

{D.E.Knuth})在任意⼀棵⾮空树中:⑴有且仅有⼀个没有前驱的结点----根(root)。

⑵当n>1时,其余结点有且仅有⼀个直接前驱。

⑶所有结点都可以有0个或多个后继。

b. 树是n(n≥0)个结点组成的有限集合。

在任意⼀棵⾮空树中:⑴有⼀个特定的称为根(root)的结点。

⑵当n>1时,其余结点分为m(m≥0)个互不相交的⼦集T1,T2,…,Tm。

每个集合本⾝⼜是⼀棵树,并且称为根的⼦树(subtree)树的固有特性---递归性。

即⾮空树是由若⼲棵⼦树组成,⽽⼦树⼜可以由若⼲棵更⼩的⼦树组成。

树的基本操作1、InitTree(&T) 初始化2、DestroyTree(&T) 撤消树3、CreatTree(&T,F) 按F的定义⽣成树4、ClearTree(&T) 清除5、TreeEmpty(T) 判树空6、TreeDepth(T) 求树的深度7、Root(T) 返回根结点8、Parent(T,x) 返回结点 x 的双亲9、Child(T,x,i) 返回结点 x 的第i 个孩⼦10、InsertChild(&T,&p,i,x) 把 x 插⼊到 P的第i棵⼦树处11、DeleteChild(&T,&p,i) 删除结点P的第i棵⼦树12、traverse(T) 遍历树的结点:包含⼀个数据元素及若⼲指向⼦树的分⽀。

●结点的度: 结点拥有⼦树的数⽬●叶结点: 度为零的结点●分枝结点: 度⾮零的结点●树的度: 树中各结点度的最⼤值●孩⼦: 树中某个结点的⼦树的根●双亲: 结点的直接前驱●兄弟: 同⼀双亲的孩⼦互称兄弟●祖先: 从根结点到某结点j 路径上的所有结点(不包括指定结点)。

数据结构习题参考答案

数据结构习题参考答案

数据结构习题参考答案一、栈和队列1. 栈是一种具有后进先出(Last In First Out)特性的线性数据结构。

常用方法:- push(x): 将元素x压入栈顶;- pop(): 弹出栈顶元素;- top(): 返回栈顶元素;- isEmpty(): 判断栈是否为空;例题解答:(1)题目描述:使用栈实现队列的功能。

解答:使用两个栈,一个用于入队操作,一个用于出队操作。

入队操作:直接将元素压入入队栈中;出队操作:如果出队栈为空,则将入队栈的元素逐个弹出并压入出队栈,此时出队栈的栈顶元素即为要弹出的元素。

复杂度分析:入队操作的时间复杂度为O(1),出队操作的平均时间复杂度为O(1)。

(2)题目描述:判断括号序列是否合法,即括号是否完全匹配。

解答:使用栈来处理括号序列,遇到左括号则入栈,遇到右括号则与栈顶元素进行匹配,如果匹配成功则继续处理剩余字符,如果不匹配则判定为非法序列。

算法步骤:- 初始化一个空栈;- 从左到右遍历括号序列,对于每个字符执行以下操作:- 如果是左括号,则将其入栈;- 如果是右括号,则将其与栈顶元素进行匹配:- 如果栈为空,则判定为非法序列;- 如果栈顶元素与当前字符匹配,则将栈顶元素出栈,继续处理剩余字符;- 如果栈顶元素与当前字符不匹配,则判定为非法序列。

- 遍历结束后,如果栈为空,则括号序列合法;否则,括号序列非法。

复杂度分析:时间复杂度为O(n),其中n为括号序列的长度。

2. 队列是一种具有先进先出(First In First Out)特性的线性数据结构。

常用方法:- enqueue(x): 将元素x入队;- dequeue(): 出队并返回队首元素;- getFront(): 返回队首元素;- isEmpty(): 判断队列是否为空;例题解答:(1)题目描述:使用队列实现栈的功能。

解答:使用两个队列,一个用于入栈操作,一个用于出栈操作。

入栈操作:直接将元素入队入栈队列中;出栈操作:如果出栈队列为空,则将入栈队列的元素逐个出队并入队出栈队列,此时出栈队列的队首元素即为要出栈的元素。

平衡二叉树

平衡二叉树
#define EH 0 //等高
#define RH -1 //右高
//平衡二叉树的类型
struct AVLNode
{
int data;
int bf; //bf结点的平衡因子,只能够取0,-1,1,为左子树的深度减去右子树的深度
struct AVLNode *lchild,*rchild; //左、右孩子指针
{
AVLNode *rc,*rd;
rc=T->rchild;
switch(rc->bf)
{
case RH:
T->bf=rc->bf=EH;
L_Rotate(T);
break;
case LH:
rd=rc->lchild;
switch(rd->bf)
{
case RH:
T->bf=LH;
rc->bf=EH;
};
2.右旋操作:
void R_Rotate(AVLNode *&p)//LL型算法
{
AVLNode *lc=p->lchild; // lc指向p的左子树根结点
p->lchild=lc->rchild; // lc的右子树挂接为p(之前跟节点)的左子树
lc->rchild=p;
p=lc; // p指向新的根结点
插入和删除:
插入删除是互为镜像的操作。我们可以采用前面对二叉排序树的删除操作来进行。然后,在删除掉结点后,再对平衡树进行平衡化处理。删除之所以删除操作需要的平衡化可能比插入时次数多,就是因为平衡化不会增加子树的高度,但是可能会减少子树的高度,在有有可能使树增高的插入操作中,一次平衡化能抵消掉增高;在有可能使树减低的删除操作中,平衡化可能会带来祖先节点的不平衡。AVL树体现了一种平衡的美感,两种旋转是互为镜像的,插入删除是互为镜像的操作,没理由会有那么大的差别。实际上,平衡化可以统一的这样来操作:

二叉树常见面试题(进阶)

二叉树常见面试题(进阶)

⼆叉树常见⾯试题(进阶)⼀、常见题型1. 求两个节点的最近公共祖先;2. 求⼆叉树中最远的两个节点的距离;3. 由前序遍历和中序遍历重建⼆叉树(如:前序序列:1 2 3 4 5 6 - 中序序列:3 2 4 1 6 5);4. 判断⼀棵树是否是完全⼆叉树;5. 将⼆叉搜索树转换成⼀个排序的双向链表。

要求不能创建任何新的结点,只能调整树中结点指针的指向;6.求⼆叉树的宽度;7. 判断⼀棵⼆叉树是否是平衡⼆叉树;8.判断⼀颗⼆叉树是否是另⼀颗树的⼦树。

⼆、解题思路分析1.两个节点的最近公共祖先求两个节点的最近公共祖先可分为三种情况,分别为:(1)求搜索⼆叉树的最近公共祖先。

根据搜索⼆叉树的性质,左⼦树的所有节点⽐根节点⼩,右⼦树的所有节点⽐跟节点⼤。

如果两个节点都⽐根节点⼩,则递归左⼦树;如果两个节点都⽐跟节点⼤,则递归右⼦树;否则,两个节点⼀个在左⼦树,⼀个在右⼦树,则当前节点就是最近公共祖先节点。

1 Node* GetAncestor(Node* root, Node* x1, Node* x2)//1.该⼆叉树为搜索⼆叉树2 {3 assert(x1 && x2);4if (x1->_data <= root->_data && x2->_data <= root->_data)5 {6return GetAncestor(root->_left, x1, x2);//两个节都⼩于根节点,最近公共祖先在左⼦树中7 }8else if (x1->_data > root->_data && x2->_data > root->_data)9 {10return GetAncestor(root->_right, x1, x2);//两个节都⼤于根节点,最近公共祖先在左⼦树中11 }12else13return root; //⼀个在左⼦树,⼀个在右⼦树,找到公共祖先1415 }(2)三叉链,带⽗节点时求最近公共祖先,⼆叉树节点有指向⽗节点的指针。

数据结构:第9章 查找2-二叉树和平衡二叉树

数据结构:第9章 查找2-二叉树和平衡二叉树
NODE *t; char x; {if(t==NULL)
return(NULL); else
{if(t->data==x) return(t);
if(x<(t->data) return(search(t->lchild,x));
else return(search(t->lchild,x)); } }
——这种既查找又插入的过程称为动态查找。 二叉排序树既有类似于折半查找的特性,又采用了链表存储, 它是动态查找表的一种适宜表示。
注:若数据元素的输入顺序不同,则得到的二叉排序树形态 也不同!
讨论1:二叉排序树的插入和查找操作 例:输入待查找的关键字序列=(45,24,53,45,12,24,90)
二叉排序树的建立 对于已给定一待排序的数据序列,通常采用逐步插入结点的方 法来构造二叉排序树,即只要反复调用二叉排序树的插入算法 即可,算法描述为: BiTree *Creat (int n) //建立含有n个结点的二叉排序树 { BiTree *BST= NULL;
for ( int i=1; i<=n; i++) { scanf(“%d”,&x); //输入关键字序列
– 法2:令*s代替*p
将S的左子树成为S的双亲Q的右子树,用S取代p 。 若C无右子树,用C取代p。
例:请从下面的二叉排序树中删除结点P。
F P
法1:
F
P
C
PR
C
PR
CL Q
CL QL
Q SL
S PR
QL S
SL
法2:
F
PS
C
PR
CL Q
QL SL S SL

简述二叉树的五种形态

简述二叉树的五种形态

简述二叉树的五种形态二叉树是一种常用的数据结构,它由节点组成,每个节点最多有两个子节点。

根据节点的分布情况,二叉树可以分为五种形态,分别是满二叉树、完全二叉树、平衡二叉树、搜索二叉树和线索二叉树。

一、满二叉树满二叉树是指除了叶子节点外,每个节点都有两个子节点的二叉树。

也就是说,满二叉树的所有层都是满的,并且最后一层的叶子节点都靠左排列。

满二叉树的节点数可以通过公式计算得到,假设树的高度为h,则节点数为2^h - 1。

满二叉树的特点是结构简单,查找速度快。

在满二叉树中,任意两个节点的路径长度都相同。

二、完全二叉树完全二叉树是指除了最后一层之外,其他层都是满的,并且最后一层的叶子节点都靠左排列的二叉树。

完全二叉树的特点是节点数较少,结构相对简单。

完全二叉树通常用数组来表示,因为它的节点之间的关系可以通过数组的下标来表示。

在完全二叉树中,任意一个节点的左子节点的下标为2i,右子节点的下标为2i+1。

三、平衡二叉树平衡二叉树是指左右子树的高度差不超过1的二叉树。

平衡二叉树的特点是查找、插入和删除的时间复杂度都为O(logn),其中n是节点的数量。

平衡二叉树的高度可以通过节点的平衡因子来计算,平衡因子定义为左子树的高度减去右子树的高度。

平衡因子的取值范围为-1、0和1,当平衡因子的绝对值大于1时,需要通过旋转操作来调整树的平衡性。

四、搜索二叉树搜索二叉树,也称为二叉搜索树或排序二叉树,是一种特殊的二叉树。

它的特点是对于树中的任意一个节点,其左子树中的所有节点都小于它,右子树中的所有节点都大于它。

搜索二叉树的中序遍历结果是一个递增的有序序列。

搜索二叉树的特点是可以快速地查找某个节点,时间复杂度为O(logn),其中n是节点的数量。

但是,如果搜索二叉树不平衡,即左子树或右子树过深,则会导致查找的时间复杂度退化为O(n)。

五、线索二叉树线索二叉树是对二叉树进行了优化的数据结构,它通过添加指向前驱和后继节点的线索,使得遍历操作更加高效。

二叉树结构的特点

二叉树结构的特点

二叉树结构的特点二叉树是一种常见的数据结构,它具有以下特点:1. 结构简单:二叉树是一种有序树结构,每个节点最多只有两个子节点,分别称为左子节点和右子节点。

这种结构的简洁性使得二叉树在实际应用中得到广泛使用。

2. 层次性:二叉树具有明显的层次性,即树的每一层都可以通过节点间的父子关系来确定。

根节点是第一层,根节点的子节点是第二层,以此类推。

3. 有序性:在二叉树中,每个节点的左子节点小于它,右子节点大于它。

这种有序性使得二叉树在查找和排序方面具有很高的效率。

4. 高度平衡:二叉树的高度平衡性是指树的左右子树的高度差不超过1。

高度平衡的二叉树可以保证查找、插入和删除操作的平均时间复杂度为O(log n)。

5. 递归性:二叉树的定义是递归的,即每个子树都是二叉树。

这种递归性质使得在二叉树上的操作可以通过递归算法来实现。

6. 存储结构灵活:二叉树的存储结构可以采用顺序存储和链式存储两种方式。

顺序存储是将二叉树的节点按照层次顺序存储在一维数组中,链式存储是通过每个节点的指针来连接各个节点。

在二叉树的基础上,还可以扩展出以下几种特殊的二叉树结构:1. 完全二叉树:完全二叉树是指除了最后一层外,其他层的节点个数都达到最大值,并且最后一层的节点依次从左到右排列。

完全二叉树的特点是高度平衡,可以用数组来存储。

2. 满二叉树:满二叉树是指每个节点都有两个子节点的二叉树,即除了叶子节点外,每个节点都有两个子节点。

满二叉树的特点是节点个数达到最大值,高度平衡。

3. 平衡二叉树:平衡二叉树是指任意节点的左右子树的高度差不超过1的二叉树。

平衡二叉树的特点是高度平衡,可以保证各种操作的时间复杂度较低。

4. 二叉搜索树:二叉搜索树是一种特殊的二叉树,它具有以下性质:对于树中的任意节点,其左子树中的节点值都小于它,右子树中的节点值都大于它。

二叉搜索树的特点是可以高效地进行查找、插入和删除操作。

5. 线索二叉树:线索二叉树是对二叉树的一种扩展,它的特点是在每个节点上增加了指向前驱节点和后继节点的指针。

算法(平衡二叉树)

算法(平衡二叉树)

算法(平衡⼆叉树)科普⼆叉树⼆叉树⼆叉数是每个节点最多有两个⼦树,或者是空树(n=0),或者是由⼀个根节点及两个互不相交的,分别称为左⼦树和右⼦树的⼆叉树组成满⼆叉树有两个⾮空⼦树(⼆叉树中的每个结点恰好有两个孩⼦结点切所有叶⼦结点都在同⼀层)也就是⼀个结点要么是叶结点,要么是有两个⼦结点的中间结点。

深度为k且含有2^k-1个结点的⼆叉树完全⼆叉树从左到右依次填充从根结点开始,依次从左到右填充树结点。

除最后⼀层外,每⼀层上的所有节点都有两个⼦节点,最后⼀层都是叶⼦节点。

平衡⼆叉树AVL树[3,1,2,5,9,7]⾸先科普下⼆叉排序树⼜称⼆叉查找树,议程⼆叉搜索树⼆叉排序树的规则⽐本⾝⼤放右边,⽐本⾝⼩放左边平衡⼆叉数⾸先是⼀个⼆叉排序树左右两个⼦树的⾼度差不⼤于1下⾯图中是平衡的情况下⾯是不平衡的情况引⼊公式(LL)右旋function toateRight(AvlNode){let node=AvlNode.left;//保存左节点 AvlNode.left=node.right;node.right=AvlNode;}(RR)左旋function roateLeft(AvlNode){let node=AvlNode.right;//保存右⼦节点AvlNode.right=node.left;node.left=AvlNode;return node;}左右旋⼤图判断⼆叉树是不是平衡树⼆叉树任意结点的左右⼦树的深度不超过1深度计算定义⼀个初始化的⼆叉树var nodes = {node: 6,left: {node: 5,left: {node: 4},right: {node: 3}},right: {node: 2,right: {node: 1}}}//计算⾼度const treeDepth = (root) => {if (root == null) {return 0;}let left = treeDepth(root.left)let right = treeDepth(root.right)return 1+(left>right?left:right)}//判断深度const isTree=(root)=>{if (root == null) {return true;}let left=treeDepth(root.left)let right=treeDepth(root.right)let diff=left-right;if (diff > 1 || diff < -1) {return false}return isTree(root.left)&&isTree(root.right) }console.log(isTree(nodes))判断⼆叉数是不是搜索⼆叉树//第⼀种 //中序遍历let last=-Infinity;const isValidBST=(root)=>{if (root == null) {return true;}//先从左节点开始if (isValidBST(root.left)) {if (last < root.node) {last=root.node;return isValidBST(root.right)}}return false}console.log(isValidBST(nodes))//第⼆种const isValidBST = root => {if (root == null) {return true}return dfs(root, -Infinity, Infinity)}const dfs = (root, min, max) => {if (root == null) {return true}if (root.node <= min || root.node >= max) {return false}return dfs(root.left, min, root.node) && dfs(root.right, root.node, max)}console.log(isValidBST(nodes))实现⼀个⼆叉树实现了⼆叉树的添加,删除,查找,排序//⼆叉树结点class TreeNode {constructor(n, left, right){this.n = n;this.left = left;this.right = right;}}//⼆叉树class BinaryTree {constructor(){this.length = 0;this.root = null;this.arr = [];}//添加对外⼊⼝,⾸个参数是数组,要求数组⾥都是数字,如果有不是数字则试图转成数字,如果有任何⼀个⽆法强制转成数字,则本操作⽆效 addNode(){let arr = arguments[0];if(arr.length == 0) return false;return this.judgeData('_addNode', arr)}//删除结点deleteNode(){let arr = arguments[0];if(arr.length == 0) return false;return this.judgeData('_deleteNode', arr)}//传值判断,如果全部正确,则全部加⼊叉树judgeData(func, arr){let flag = false;//任何⼀个⽆法转成数字,都会失败if(arr.every(n => !Number.isNaN(n))){let _this = this;arr.map(n => _this[func](n));flag = true;}return flag;}//添加的真实实现_addNode(n){n = Number(n);let current = this.root;let treeNode = new TreeNode(n, null, null);if(this.root === null){this.root = treeNode;}else {current = this.root;while(current){let parent = current;if(n < current.n){current = current.left;if(current === null){parent.left = treeNode;}}else {current = current.right;if(current === null){parent.right = treeNode;}}}}this.length++;return treeNode;}//删除节点的真实实现_deleteNode(n){n = Number(n);if(this.root === null){return;}//查找该节点,删除节点操作⽐较复杂,为排除找不到被删除的节点的情况,简化代码,先保证该节点是存在的,虽然这样做其实重复了⼀次查询了,但⼆叉树的查找效率很⾼,这是可接受的let deleteNode = this.findNode(n);if(!deleteNode){return;}//如果删除的是根节点if(deleteNode === this.root){if(this.root.left === null && this.root.right === null){this.root = null;}else if(this.root.left === null){this.root = this.root.right;}else if(this.root.right === null){this.root = this.root.left;}else {let [replaceNode, replacePNode, rp] = this.findLeftTreeMax(deleteNode);replacePNode[rp] = null;replaceNode.left = this.root.left;replaceNode.right = this.root.right;this.root = replaceNode;}}else {//被删除的⽗节点,⼦节点在⽗节点的位置p,有left,right两种可能let [deleteParent, p] = this.findParentNode(deleteNode);if(deleteNode.left === null && deleteNode.right === null){deleteParent[p] = null;}else if(deleteNode.left === null){deleteParent[p] = deleteNode.right;}else if(deleteNode.right === null){deleteParent[p] = deleteNode.left;}else {//⽤来替换被删除的节点,⽗节点,节点在⽗节点的位置let [replaceNode, replacePNode, rp] = this.findLeftTreeMax(deleteNode);if(replacePNode === deleteNode){deleteParent[p] = replaceNode;}else {deleteParent[p] = replaceNode;replacePNode.right = null;}replacePNode[rp] = null;replaceNode.left = deleteNode.left;replaceNode.right = deleteNode.right;}}this.length--;}//查找findNode(n){let result = null;let current = this.root;while(current){if(n === current.n){result = current;break;}else if(n < current.n){current = current.left;}else {current = current.right;}}return result;}//查找⽗节点findParentNode(node){let [parent, child, p] = [null, null, null];if(this.root !== node){parent = this.root;if(node.n < parent.n){child = parent.left;p = 'left';}else {child = parent.right;p = 'right';}while(child){if(node.n === child.n){break;}else if(node.n < child.n){parent = child;child = parent.left;p = 'left';}else {parent = child;child = parent.right;p = 'right';}}}return [parent, p];}//查找当前有左⼦树的节点的最⼤值的节点M,如有A个节点被删除,M是最接近A点之⼀(还有⼀个是右⼦树节点的最⼩值) findLeftTreeMax(topNode){let [node, parent, p] = [null, null, null];if(this.root === null || topNode.left === null){return [node, parent, p];}parent = topNode;node = topNode.left;p = 'left';while(node.right){parent = node;node = node.right;p = 'right';}return [node, parent, p];}//查找最⼤值maxValue(){if(this.root !== null){return this._findLimit('right');}}//查找最⼩值minValue(){if(this.root !== null){return this._findLimit('left');}}//实现查找特殊值_findLimit(pro){let n = this.root.n;let current = this.root;while(current[pro]){current = current[pro];n = current.n;}return n;}//中序排序,并⽤数组的形式显⽰sortMiddleToArr(){this._sortMiddleToArr(this.root);return this.arr;}//中序⽅法_sortMiddleToArr(node){if(node !== null){this._sortMiddleToArr(node.left);this.arr.push(node.n);this._sortMiddleToArr(node.right);}}//打印⼆叉树对象printNode(){console.log(JSON.parse(JSON.stringify(this.root)));}}//测试var binaryTree = new BinaryTree();binaryTree.addNode([50, 24, 18, 65, 4, 80, 75, 20, 37, 40, 60]);binaryTree.printNode();//{n: 50, left: {…}, right: {…}}console.log(binaryTree.maxValue());//80console.log(binaryTree.minValue());//4console.log(binaryTree.sortMiddleToArr());// [4, 18, 20, 24, 37, 40, 50, 60, 65, 75, 80] binaryTree.deleteNode([50]);binaryTree.printNode();//{n: 40, left: {…}, right: {…}}排序复习function ArrayList() {this.array = [];}ArrayList.prototype = {constructor: ArrayList,insert: function(item) {this.array.push(item);},toString: function() {return this.array.join();},swap: function(index1, index2) {var aux = this.array[index2];this.array[index2] = this.array[index1];this.array[index1] = aux;},//冒泡排序bubbleSort: function() {var length = this.array.length;for (var i = 0; i < length; i++) {for (var j = 0; j < length - 1 - i; j++) {if (this.array[j] > this.array[j + 1]) {this.swap(j, j + 1);}}}},//选择排序selectionSort: function() {var length = this.array.length;var indexMin;for (var i = 0; i < length - 1; i++) {indexMin = i;for (var j = i; j < length; j++) {if (this.array[indexMin] > this.array[j]) {indexMin = j;}}if (indexMin !== i) {this.swap(indexMin, i);}}},//插⼊排序insertionSort: function() {var length = this.array.length;var j;var temp;for (var i = 1; i < length; i++) {temp = this.array[i];j = i;while (j > 0 && this.array[j - 1] > temp) {this.array[j] = this.array[j - 1];j--;}this.array[j] = temp;}},//归并排序mergeSort: function() {function mergeSortRec(array) {var length = array.length;if (length === 1) {return array;}var mid = Math.floor(length / 2);var left = array.slice(0, mid);var right = array.slice(mid, length);return merge(mergeSortRec(left), mergeSortRec(right)); }function merge(left, right) {var result = [];var il = 0;var ir = 0;while (il < left.length && ir < right.length) {if (left[il] < right[ir]) {result.push(left[il++]);} else {result.push(right[ir++]);}}while (il < left.length) {result.push(left[il++]);}while (ir < right.length) {result.push(right[ir++]);}return result;}this.array = mergeSortRec(this.array);},//快速排序quickSort:function(){function sort(array){if (array.length <= 1) {return array;}var pivotIndex = Math.floor(array.length/2);var pivot = array.splice(pivotIndex,1)[0];var left = [];var right = [];for(var i = 0; i < array.length; i++){if (array[i] < pivot) {left.push(array[i]);}else{right.push(array[i]);}}return sort(left).concat([pivot],sort(right));}this.array = sort(this.array);}};...................................................................................................................############################################################################ ###################################################################################。

平衡二叉树的概念

平衡二叉树的概念

平衡二叉树的概念
平衡二叉树(Balanced Binary Tree),又称为AVL树,是一种特殊的二叉搜索树(Binary Search Tree)结构。

平衡二叉树的定义是:对于任意节点,其左子树和右子树的高度之差不超过1,并且左子树和右子树也都是平衡二叉树。

平衡二叉树的设计目的是为了解决普通二叉搜索树在插入、删除等操作时产生不平衡的问题,导致树的高度过高,从而影响搜索的效率。

通过保持树的平衡,平衡二叉树能够保证在最坏情况下的平均时间复杂度为O(log n),其中n是树中节点的数量。

为了保持平衡,平衡二叉树中的每个节点存储了额外的信息,通常是节点的高度。

当在平衡二叉树中插入或删除节点时,需要通过旋转操作来调整树的结构,以满足平衡条件。

旋转操作包括左旋和右旋,通过交换节点的位置来调整树的平衡。

平衡二叉树的应用非常广泛,特别是在需要高效地进行搜索、插入和删除操作的场景中,例如数据库和搜索引擎的索引结构、红黑树等。

通过保持树的平衡,平衡二叉树能够在较小的时间复杂度内完成这些操作,提高了数据结构的效率和性能。

数据结构(第二版)课后习题答案

数据结构(第二版)课后习题答案

数据结构(第二版)课后习题答案第一章:数据结构概述数据结构是计算机科学中非常重要的一个概念,它用于组织和管理计算机内部存储的数据。

数据结构的设计直接影响到程序的运行效率和对真实世界问题的建模能力。

第二版的《数据结构》教材旨在帮助读者更好地理解和应用数据结构。

为了提高学习效果,每章节后都附有一系列习题。

本文将为第二版《数据结构》教材中的部分习题提供详细的答案和解析。

第二章:线性表2.1 顺序表习题1:请问如何判断顺序表是否为空表?答案:当顺序表的长度为0时,即为空表。

解析:顺序表是用一块连续的内存空间存储数据元素的线性结构。

当顺序表中没有元素时,长度为0,即为空表。

习题2:如何求顺序表中第i个元素的值?答案:可以通过访问顺序表的第i-1个位置来获取第i个元素的值。

解析:顺序表中的元素在内存中是连续存储的,通过下标访问元素时,需要将下标减1,因为数组是从0开始编号的。

2.2 链表习题1:请问链表中的结点包含哪些信息?答案:链表的结点一般包含两部分信息:数据域和指针域。

解析:数据域用于存储数据元素的值,指针域用于存储指向下一个结点的指针。

习题2:如何删除链表中的一个结点?答案:删除链表中的一个结点需要将其前一个结点的指针指向其后一个结点,然后释放被删除结点的内存空间。

解析:链表的删除操作相对简单,只需要通过修改指针的指向即可。

但需要注意释放被删除结点的内存空间,防止内存泄漏。

第三章:栈和队列3.1 栈习题1:如何判断栈是否为空?答案:当栈中没有任何元素时,即为空栈。

解析:栈是一种先进后出(Last In First Out,LIFO)的数据结构,栈顶指针指向栈顶元素。

当栈中没有元素时,栈顶指针为空。

习题2:请问入栈和出栈操作的时间复杂度是多少?答案:入栈和出栈操作的时间复杂度均为O(1)。

解析:栈的入栈和出栈操作只涉及栈顶指针的改变,不受栈中元素数量的影响,因此时间复杂度为O(1)。

3.2 队列习题1:请问队列可以用哪些方式实现?答案:队列可以用数组或链表来实现。

平衡二叉树的判定方法

平衡二叉树的判定方法

平衡二叉树的判定方法平衡二叉树是一种特殊的二叉树,它的左子树和右子树的高度差不超过1。

判断一棵二叉树是否为平衡二叉树有多种方法,下面将详细介绍这些方法。

1. 递归计算子树的高度:判断一棵二叉树是否为平衡二叉树的最直接方法是计算每个节点的左右子树的高度,并比较它们的差值。

如果有任何一个节点的左右子树高度差超过1,那么这棵二叉树就不是平衡二叉树。

具体步骤如下:- 编写一个函数用于计算二叉树的高度,可以使用递归的方法。

若二叉树为空,返回0;否则,返回左右子树中高度较大的一个加1。

- 对根节点调用上述函数,计算出左右子树的高度差。

- 若左右子树的高度差小于等于1,并且左右子树都是平衡二叉树,则这棵二叉树是平衡二叉树;否则,不是平衡二叉树。

这种方法的时间复杂度为O(nlogn),其中n是二叉树的节点数,因为需要递归计算每个节点的高度。

2. 利用后序遍历加剪枝:上述方法中,每一个节点都重复计算了自己的左右子树的高度,可以使用后序遍历的方式进行优化,即先处理左右子树,再处理根节点。

通过在处理每个节点的同时记录它的高度信息,可以在判断左右子树的高度差的时候避免重复计算。

具体步骤如下:- 编写一个函数用于计算二叉树的高度,可以使用递归的方式。

若二叉树为空,返回0;否则,分别计算左右子树的高度,并记录在当前节点的高度信息中。

- 对根节点调用上述函数,计算出左右子树的高度差。

- 若左右子树的高度差小于等于1,并且左右子树都是平衡二叉树,则这棵二叉树是平衡二叉树;否则,不是平衡二叉树。

这种方法的时间复杂度为O(n),其中n是二叉树的节点数,因为每个节点只需计算一次高度。

3. 利用自底向上的递归判断:上述方法中,需要从根节点开始递归地计算每个节点的高度,然后再判断左右子树的高度差,这个过程是自顶向下的。

利用自底向上的思想,可以在计算高度的同时判断左右子树的高度差,并将这个信息传递给上层节点,从而减少计算量。

具体步骤如下:- 编写一个函数用于计算二叉树的高度和判断是否平衡。

数据结构课后习题答案-完整版

数据结构课后习题答案-完整版

数据结构课后习题答案-完整版下面是《数据结构课后习题答案-完整版》的内容:---第一章:数组1. 题目:给定一个整数数组,判断是否存在两个元素之和等于目标值。

答案:使用双指针法,首先将数组排序,然后设置左指针指向数组头部,右指针指向数组尾部。

如果左指针和右指针指向的元素之和小于目标值,则左指针右移;如果大于目标值,则右指针左移;如果等于目标值,则找到了两个元素之和等于目标值的情况。

2. 题目:给定一个整数数组和一个目标值,找出数组中和为目标值的两个数的下标。

答案:使用哈希表,在遍历数组的过程中,将每个元素的值和下标存储在哈希表中。

遍历到当前元素时,检查目标值与当前元素的差值是否在哈希表中,如果存在,则找到了两个数的下标。

---第二章:链表1. 题目:给定一个链表,判断链表中是否存在环。

答案:使用快慢指针法,定义两个指针,一个指针每次向前移动一个节点,另一个指针每次向前移动两个节点。

如果存在环,则两个指针必定会相遇。

2. 题目:给定一个链表,删除链表的倒数第N个节点。

答案:使用双指针法,定义两个指针,一个指针先移动N个节点,然后两个指针同时向前移动,直到第一个指针到达链表尾部。

此时第二个指针指向的节点即为要删除的节点。

---第三章:栈和队列1. 题目:设计一个栈,使得可以在常数时间内获取栈中的最小元素。

答案:使用辅助栈来保存当前栈中的最小元素。

每次压栈操作时,将当前元素与辅助栈的栈顶元素比较,只有当前元素较小才将其压入辅助栈。

2. 题目:设计一个队列,使得可以在常数时间内获取队列中的最大元素。

答案:使用双端队列来保存当前队列中的最大值。

每次入队操作时,将当前元素与双端队列的末尾元素比较,只有当前元素较大才将其压入双端队列。

---第四章:树和二叉树1. 题目:给定一个二叉树,判断它是否是平衡二叉树。

答案:通过递归遍历二叉树的每个节点,计算每个节点的左子树高度和右子树高度的差值。

如果任意节点的差值大于1,则该二叉树不是平衡二叉树。

平衡二叉树和二叉排序树(二叉搜索树)区别

平衡二叉树和二叉排序树(二叉搜索树)区别

平衡⼆叉树和⼆叉排序树(⼆叉搜索树)区别
平衡⼆叉树是⼀种⼆叉搜索树。

其可以保证在log2(n)的时间内找到节点,⽽普通的⼆叉搜索树在最坏情况下性能近似与链
表,所⽤时间为log(n)。

常⽤的平衡⼆叉树有AVL树和红⿊树其算法的难点在于插⼊删除节点后树的旋转
平衡⼆叉树 ----> O(log2(n))
普通⼆叉搜索树 ----> O(n)
在⼆叉搜索树的插⼊和删除运算中,采⽤平衡树的优点是:使树的结构较好,从⽽提⾼查找运算的速度。

缺点是:是插⼊和删除运算变得复杂化,从⽽降低了他们的运算速度。

对⼆叉搜索树删除节点⽽引起的不平衡性进⾏的操作⽐插⼊节点的情况要复杂,在此就不再论述了。

操作系统的设计也有⽤到哦
很多数据库的实现是基于更复杂的平衡⼆叉树
可以⾃⼰实现⼀个集合或者map,统计单词出现的次数
stl的map/set都在⽤
普通⼆叉搜索树最坏情况是只有左边⼀个分⽀,如1-2-3-4-5(5在最上⾯,1在左下⾓),但是平衡⼆叉树可以调整。

为1-2-3-4-5(3在最上⾯,1在左下⾓,5在右下⾓)。

平衡⼆叉树 ----> O(log2(n))
普通⼆叉搜索树 ----> O(n)
所以平衡⼆叉树的搜索性能⽐⼆叉搜索树(⼆叉排序树)好。

数据结构第六版习题一答案

数据结构第六版习题一答案

数据结构第六版习题一答案数据结构第六版习题一答案在学习数据结构的过程中,习题是帮助我们巩固知识、提高理解能力的重要方式之一。

本文将为大家提供数据结构第六版习题一的答案,希望能够帮助大家更好地理解和应用数据结构。

1. 问题描述:给定一个数组arr,长度为n,数组中的元素为整数。

请设计一个算法,找出数组中出现次数超过n/2的元素。

解答:可以使用摩尔投票算法来解决这个问题。

首先选取数组中的第一个元素作为候选元素,然后遍历数组,如果当前元素与候选元素相同,则计数器加1,否则计数器减1。

当计数器减到0时,将当前元素设置为新的候选元素。

遍历完数组后,候选元素即为出现次数超过n/2的元素。

2. 问题描述:给定一个链表,判断链表是否存在环。

解答:可以使用快慢指针的方法来解决这个问题。

定义两个指针,一个快指针每次移动两步,一个慢指针每次移动一步。

如果链表存在环,那么快指针一定会追上慢指针,即它们会在某个节点相遇。

如果链表不存在环,那么快指针会先到达链表的末尾。

所以,我们可以通过判断快指针是否为空来确定链表是否存在环。

3. 问题描述:给定一个二叉树,判断它是否是平衡二叉树。

解答:可以使用递归的方法来解决这个问题。

首先定义一个函数来计算二叉树的高度,然后在判断平衡二叉树时,递归地计算左子树和右子树的高度差。

如果高度差大于1,或者左子树和右子树中存在不平衡的情况,则二叉树不是平衡二叉树。

如果左子树和右子树都是平衡二叉树,并且高度差小于等于1,则二叉树是平衡二叉树。

4. 问题描述:给定一个有序数组arr和一个目标值target,使用二分查找算法在数组中查找目标值的位置。

解答:可以使用二分查找算法来解决这个问题。

首先初始化左指针left为0,右指针right为数组长度减1。

然后进行迭代,直到左指针大于右指针为止。

在每一次迭代中,计算中间位置mid,如果中间元素等于目标值,则返回mid。

如果中间元素大于目标值,则将右指针更新为mid-1。

面试还要考概率题

面试还要考概率题

T1.判断一棵二叉树是否为平衡二叉树定义getDep 是平衡二叉,返回高度,不平衡,返回-1T2.海量数据TopK问题一般这种问题都是用哈希表分治+堆排序T3. L1正则化和L2正则化的区别T4. GBDT和XGBOOST的区别T5. 圆上三点组成锐角三角形概率直角三角形概率:0锐角三角形概率:1/4钝角三角形概率:3/4T6.平均要抛多少次硬币,才能出现连续两次正面向上?很不错的题目X=1/2(2+1)+1/2(2+1+x)解得x=6第一个1表示正面,第二个1表示反面看看T29T7. N个相同的球,取其中M个(M<N),如何保证每个球取的概率一致?T8.零钱兑换01背包问题T9.一根木棒,截成三节,组成三角形的概率多大?画二维坐标,算面积1/4T10. 有一苹果,两个人抛硬币来决定谁吃这个苹果,先抛到正面者吃。

问先抛这吃到苹果的概率是多少?p= 1/2 + 1/2 * 1/2 * p解得p=2/3T11.一个三角形,三个端点上有三只蚂蚁,蚂蚁可以绕任意边走,问蚂蚁不相撞的概率是多少?1/4要么全部顺时针要么全部逆时针T12. 问题描述:商家发明一种扔筛子游戏,顾客扔到多少点就得到多少钱,但扔筛子之前顾客需要付一定数量的钱x,假设商家和顾客都足够聪明(1)顾客付一次钱可以扔一次的情况下,顾客能接受的最大x 是多少收益的期望:3.5(2)现在规则改为顾客付一次钱可以扔两次,顾客扔了第一次之后可以选择是否继续扔第二次,如果扔了第二次则以第二次的结果为准,如果没有扔第二次就以第一次的结果为准,这时顾客能接受的最大x 为多少。

当顾客丢到1 2 3,的时候会选择丢第二次期望变成1/6*(4+5+6)+1/2*(1+2+3+4+5+6)/2=4.25T13.已知一随机发生器,产生0 的概率是p,产生1 的概率是1-p,现在要你构造一个发生器,使得它产生0 和 1 的概率均为1/2(随机数生成)结合法:连续产生两个数00 p^201 p(1-p)10 (1-p)p11 (1-p)*(1-p)每次生成两个数,如果是00 或者11则丢弃是01 映射到0是10 映射到1【变形】制作 1 2 3 发生概率都是 1 / 3 的发生器连续发生 3 次,则发生001,010,100 的概率都为p * p * (1 - P),或者是110,101,011 概率都为p * (1 - p) * (1 - p),则用001,010,100 分别对应1,2,3 返回,即可使得发生1,2,3 的概率都为 1 / 3。

二叉树 遍历种类 算法伪码

二叉树 遍历种类 算法伪码

二叉树遍历种类算法伪码二叉树是一种常见的树形数据结构,由节点和边组成,每个节点最多有两个子节点。

二叉树的遍历是指按照某种顺序访问二叉树中的所有节点,包括先序遍历、中序遍历和后序遍历三种常见的遍历方式。

本文将介绍这三种遍历方式的算法伪码及其应用场景。

一、先序遍历(Preorder Traversal)先序遍历是指先访问二叉树的根节点,然后按照先序遍历的方式递归遍历左子树和右子树。

算法伪码如下:1. 如果树为空,返回。

2. 访问当前节点。

3. 递归先序遍历左子树。

4. 递归先序遍历右子树。

先序遍历的应用场景包括:根据二叉树的先序遍历序列重构二叉树、打印二叉树的先序遍历序列等。

二、中序遍历(Inorder Traversal)中序遍历是指先递归遍历左子树,然后访问二叉树的根节点,最后递归遍历右子树。

算法伪码如下:1. 如果树为空,返回。

2. 递归中序遍历左子树。

3. 访问当前节点。

4. 递归中序遍历右子树。

中序遍历的应用场景包括:根据二叉搜索树的中序遍历序列判断是否为合法的二叉搜索树、查找二叉搜索树中的某个节点等。

三、后序遍历(Postorder Traversal)后序遍历是指先递归遍历左子树,然后递归遍历右子树,最后访问二叉树的根节点。

算法伪码如下:1. 如果树为空,返回。

2. 递归后序遍历左子树。

3. 递归后序遍历右子树。

4. 访问当前节点。

后序遍历的应用场景包括:释放二叉树的内存、计算二叉树的高度等。

以上是二叉树的三种常见遍历方式的算法伪码及其应用场景。

下面将介绍一些常见的二叉树遍历问题及其解决方法。

1. 如何判断两个二叉树是否相同?可以使用先序遍历的方式分别遍历两个二叉树,将遍历结果进行比较。

如果两个二叉树的先序遍历序列相同,则它们相同。

2. 如何求解二叉树的深度?可以使用后序遍历的方式遍历二叉树,并记录每个节点的深度。

最后返回最大深度即可。

3. 如何判断一个二叉树是否为平衡二叉树?可以使用后序遍历的方式遍历二叉树,并记录每个节点的左子树高度和右子树高度。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1.判断树是否为平衡二叉树
struct BinaryTreeNode
{
int m_Value;
BinaryTreeNode* m_pLeft;
BinaryTreeNode* m_pRight;
};
int TreeDepth(BinaryTreeNode* pRoot)
{
if (pRoot == NULL)
return 0;
int nLeftDepth = TreeDepth(pRoot->m_pLeft);
int nRightDepth = TreeDepth(pRoot->m_pRight);
return (nLeftDepth>nRightDepth)?(nLeftDepth+1):(nRightDepth+1);
}
方法一:调用上述函数求每个节点的左右孩子深度
bool IsBalanced(BinaryTreeNode* pRoot)
{
if(pRoot== NULL)
return true;
int nLeftDepth = TreeDepth(pRoot->m_pLeft);
int nRightDepth = TreeDepth(pRoot->m_pRight);
int diff = nRightDepth-nLeftDepth;
if (diff>1 || diff<-1)
return false;
return IsBalanced(pRoot->m_pLeft)&&IsBalanced(pRoot->m_pRight);
}
方法二:由于上述方法在求该结点的的左右子树深度时遍历一遍树,再次判断子树的平衡性时又遍历一遍树结构,造成遍历多次。

因此方法二是一边遍历树一边判断每个结点是否具有平衡性
bool IsBalanced(BinaryTreeNode* pRoot, int* depth)
{
if(pRoot== NULL)
{
*depth = 0;
return true;
}
int nLeftDepth,nRightDepth;
bool bLeft= IsBalanced(pRoot->m_pLeft, &nLeftDepth);
bool bRight = IsBalanced(pRoot->m_pRight, &nRightDepth);
if (bLeft && bRight)
{
int diff = nRightDepth-nLeftDepth;
if (diff<=1 || diff>=-1)
{
*depth = 1+(nLeftDepth > nRightDepth ? nLeftDepth : nRightDepth);
return true;
}
}
return false;
}
bool IsBalanced(BinaryTreeNode* pRoot)
{
int depth = 0;
return IsBalanced(pRoot, &depth);
}
1.如何判断是否有环?如果有两个头结点指针,一个走的快,一个走的慢,那么若干步以后,快的指针总会超过慢的指针一圈。

2.如何计算环的长度?第一次相遇(超一圈)时开始计数,第二次相遇时停止计数。

3.如何判断环的入口点:碰撞点p到连接点的距离=头指针到连接点的距离,因此,分别从碰撞点、头指针开始走,相遇的那个点就是连接点。

为什么呢?需要一个简单的计算过程:
(1)当fast与slow相遇时,show肯定没有走完链表,而fast已经在还里走了n(n>= 1)圈。

假设slow走了s步,那么fast走了2s步。

fast的步数还等于s走的加上环里转的n 圈,所以有:
2s = s + nr。

因此,s = nr。

(2)设整个链表长为L,入口据相遇点X,起点到入口的距离为a。

因为slow指针并没有走完一圈,所以:
a + x = s,带入第一步的结果,有:a + x = nr = (n-1)r + r = (n-1)r + L - a;即:
a = (n-1)r + L -a -x;
这说明:从头结点到入口的距离,等于转了(n-1)圈以后,相遇点到入口的距离。

因此,我们可以在链表头、相遇点各设一个指针,每次各走一步,两个指针必定相遇,且相遇第一点为环入口点。

也许大家有一个问题,就是为什么“当fast与slow相遇时,show肯定没有走完链表”。

这个问题比较坑,我也没有找到很好的证明。

不过大家自己画几个试试,会发现的确是这样。

4.如何判断两个链表(不带环)是否相交?将其中的一个链表首尾相连,然后判断另一个链表是否带环即可。

这个比较简单,程序就省略了。

#include <stdio.h>
typedef struct Node
{
int val;
Node *next;
}Node,*pNode;
//判断是否有环
bool isLoop(pNode pHead)
{
pNode fast = pHead;
pNode slow = pHead;
//如果无环,则fast先走到终点
//当链表长度为奇数时,fast->Next为空
//当链表长度为偶数时,fast为空
while( fast != NULL && fast->next != NULL)
{
fast = fast->next->next;
slow = slow->next;
//如果有环,则fast会超过slow一圈
if(fast == slow)
{
break;
}
}
if(fast == NULL || fast->next == NULL ) return false;
else
return true;
}
//计算环的长度
int loopLength(pNode pHead)
{
if(isLoop(pHead) == false)
return 0;
pNode fast = pHead;
pNode slow = pHead;
int length = 0;
bool begin = false;
bool agian = false;
while( fast != NULL && fast->next != NULL) {
fast = fast->next->next;
slow = slow->next;
//超两圈后停止计数,挑出循环
if(fast == slow && agian == true)
break;
//超一圈后开始计数
if(fast == slow && agian == false)
{
begin = true;
agian = true;
}
//计数
if(begin == true)
++length;
}
return length;
}
//求出环的入口点
Node* findLoopEntrance(pNode pHead)
{
pNode fast = pHead;
pNode slow = pHead;
while( fast != NULL && fast->next != NULL) {
fast = fast->next->next;
slow = slow->next;
//如果有环,则fast会超过slow一圈
if(fast == slow)
{
break;
}
}
if(fast == NULL || fast->next == NULL)
return NULL;
slow = pHead;
while(slow != fast)
{
slow = slow->next;
fast = fast->next;
}
return slow;
}。

相关文档
最新文档