根据后序中序输出树并且求解路径权值和最小的叶子结点

题目描述:

  给一颗点带权(权值均为正整数并且小于10000)的二叉树的中序和后序遍历,找一个叶子是的它到根的路径上的权和最小。如果有多解,输出叶子权最小的那个。

输入样例两行, 第一行为中序遍历,第二行为后序遍历,输出叶子结点。

样例输入:

3 2 1 4 5 7 6 

3 1 2 5 6 7 4

7 8 11 3 5 16 12 18

8 3 11 7 16 18 12 5

样例输出:

1

3

分析:先构建树在利用bfs统计路径权值和最小的即可,利用树的中序和后序序列来建树是一个递归的过程,数据结构都学过,就不赘述可,看代码,很清楚:

#include<iostream>
#include<algorithm> 
#include<string>
#include<sstream>
using namespace std;

const int maxn = 10000 +5;
int in_order[maxn],post_order[maxn],lch[maxn],rch[maxn];
int n,best,best_sum;

bool readList(int* a){
	string line;
	if(!getline(cin,line)) return false;
	stringstream ss(line);//字符串流 
	n = 0;
	int x;
	while(ss>>x) a[n++] = x;//将值写入x所指的类型,并且以空格分隔 
	return n > 0;
}
int build(int L1,int R1,int L2,int R2){
	if(L1 > R1) return 0;//空树,即叶子结点 
	int root  = post_order[R2]; 
	int p = L1;
	while(in_order[p] != root) p++;
	int cnt = p - L1;
	lch[root] = build(L1,p-1,L2,L2+cnt-1);//左子树 ,所以可知叶子结点的lch和rch均为0 
	rch[root] = build(p+1,R1,L2+cnt,R2-1);//右子树 	
	return root;
}
int dfs(int u,int sum){
     sum += u;
	 if(!lch[u]&&!rch[u]){//到了叶子结点开始判断 
	 	if(sum < best_sum||(sum == best_sum&&u < best)){
	 		best_sum = sum;
	 		best = u;
		 }		     
	 }
	 if(lch[u])	dfs(lch[u],sum);
	 if(rch[u]) dfs(rch[u],sum);
}
int main(){
	
   while(readList(in_order)){
   	   readList(post_order);
   	   best_sum = 1000000000;
   	   build(0,n-1,0,n-1,0);
//   	   for(int i = 0;i < n;i++){//查看建树之后的叶子结点 
//   	   	int u = in_order[i];
//   	   	if(!lch[u]&&!rch[u])
//   	   	   cout<<u<<endl;
//	   }  	     
   	   
   	   dfs(post_order[n-1],0);
   	   cout<< best << endl;
   }
	return 0;	
}



### 回答1: 哈夫曼是一种带权路径长度最小,可以用来压缩数据。给定n个叶子结点权值,可以通过以下步骤建立哈夫曼: 1. 将n个叶子结点按照权值从小到大排序。 2. 取出权值最小的两个叶子结点,将它们合并成一个新的结点,权值为它们的权值之和。 3. 将新的结点插入到原来的序列中,保持序列有序。 4. 重复步骤2和3,直到序列中只剩下一个结点,这个结点就是哈夫曼的根节点。 建立好哈夫曼后,可以通过遍历来获取每个叶子结点的编码,从而实现数据的压缩。 以下是一个示例: 假设有5个叶子结点,它们的权值分别为2、3、4、6、8。按照权值从小到大排序后,序列为: 2 3 4 6 8 取出权值最小的两个叶子结点2和3,合并成一个新的结点,权值为5。将新的结点插入到序列中,得到: 4 5 6 8 再取出权值最小的两个叶子结点4和5,合并成一个新的结点,权值为9。将新的结点插入到序列中,得到: 6 8 9 再取出权值最小的两个叶子结点6和8,合并成一个新的结点,权值为14。将新的结点插入到序列中,得到: 9 14 最后取出权值最小的两个叶子结点9和14,合并成一个新的结点,权值为23。这个结点就是哈夫曼的根节点。可以画出如下的哈夫曼: ``` 23 / \ 9 14 / \ 2 3 / \ 4 6 ``` 每个叶子结点的编码可以通过从根节点到该叶子结点路径上的边的方向来确定,向左走表示编码为,向右走表示编码为1。例如,叶子结点2的编码为00,叶子结点3的编码为01,叶子结点4的编码为100,叶子结点6的编码为101,叶子结点8的编码为11。 ### 回答2: 哈夫曼是一种经常用于数据压缩的数据结构,它的建立过程非常简单。给定n个叶子结点权值,我们可以首先将它们按照权值从小到大排序,然后用一个数组存储它们。接着,我们将这个数组作为一棵小根堆,每次从中取出权值最小的两个结点,构建一个新的父节点,并将其权值设为两个子节点权值之和。然后将新节点插入到小根堆中,重复这个操作,直至小根堆只剩下一个根节点。这个根节点就是哈夫曼的根节点,也是所有叶子节点的祖先节点。 用代码实现: 1.定义结构体 #include <iostream> #include <queue> #include <vector> using namespace std; struct HuffNode{ int weight;//权值 HuffNode *left, *right;//左右子节点 HuffNode(int w):weight(w),left(NULL),right(NULL){}//构造函数 HuffNode(){} }; 2.建立小根堆 struct cmp{ bool operator()(const HuffNode *a,const HuffNode *b)const{ return a->weight>b->weight; } }; 3.建立哈夫曼 void buildHuffmanTree(int *w, int n, HuffNode *&root){ priority_queue<HuffNode*, vector<HuffNode*>, cmp> q;//小根堆 for(int i=0; i<n; i++){ q.push(new HuffNode(w[i])); } while(q.size()>1){//建 HuffNode *a=q.top(); q.pop(); HuffNode *b=q.top(); q.pop(); HuffNode *t=new HuffNode(a->weight+b->weight); t->left=a; t->right=b; q.push(t); } root=q.top(); } 4.输出哈夫曼编码 void PrintHuffCode(HuffNode *root,string code){ if(!root->left && !root->right){ cout<<(char)root->weight<<" "<<code<<"\n";//输出叶子节点和编码 return; } PrintHuffCode(root->left, code+"0");//左子节点编码+0 PrintHuffCode(root->right, code+"1");//右子节点编码+1 } 最后,在main函数中调用buildHuffmanTree函数建,然后以空串作为初始编码调用PrintHuffCode函数输出哈夫曼编码即可。 ### 回答3: 哈夫曼是一种有效的数据压缩算法,在信息学中得到了广泛的应用。在建立哈夫曼时,我们需要给定n个叶子结点和它们的权值,然后根据这些权值建立一棵,使得权值越大的叶子结点离根节点越近。 哈夫曼的建立过程可以通过贪心算法来实现。具体步骤如下: 1. 将所有叶子结点按照权值从小到大排序,将它们看作一棵森林,每棵只有一个节点。 2. 从森林中选择出两个权值最小,将它们合并成一棵新。 3. 新权值为两棵子权值之和,将新插入森林中。 4. 重复步骤2和步骤3,直到森林中只剩下一棵。 5. 最后得到的那棵就是哈夫曼。 下面是具体的建立哈夫曼的过程例子: 假设我们有以下6个叶子结点和它们的权值(这里只列出了权值,没有列出各个叶子结点的编号): 4, 6, 8, 12, 15, 25 首先按照权值从小到大排序,得到: 4, 6, 8, 12, 15, 25 然后选择两个权值最小进行合并。这里选择4和6进行合并,得到一棵新,根节点的权值为10。新插入森林中,森林变成: 8, 10, 12, 15, 25 继续选择两个权值最小进行合并。这里选择8和10进行合并,得到一棵新,根节点的权值为18。新插入森林中,森林变成: 12, 15, 18, 25 继续选择两个权值最小进行合并。这里选择12和15进行合并,得到一棵新,根节点的权值为27。新插入森林中,森林变成: 18, 25, 27 再次选择两个权值最小进行合并。这里选择18和25进行合并,得到一棵新,根节点的权值为43。新插入森林中,森林变成: 27, 43 最后选择两个权值最小进行合并。这里选择27和43进行合并,得到一棵新,根节点的权值为70。这棵就是哈夫曼。 在建立哈夫曼的过程中,我们可以用优先队列来存储森林中的,每次选择权值最小的两棵进行合并,这样可以提高算法的效率。最后输出哈夫曼的根节点即可。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值