LeetCode-1028-从先序遍历还原二叉树

我们从二叉树的根节点 root 开始进行深度优先搜索。

在遍历中的每个节点处,我们输出 D 条短划线(其中 D 是该节点的深度),然后输出该节点的值。(如果节点的深度为 D,则其直接子节点的深度为 D + 1。根节点的深度为 0)。

如果节点只有一个子节点,那么保证该子节点为左子节点。

给出遍历输出 S,还原树并返回其根节点 root。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/recover-a-tree-from-preorder-traversal

示例 1:

输入:"1-2--3--4-5--6--7"
输出:[1,2,5,3,4,6,7]

执行用时 :28 ms, 在所有 C++ 提交中击败了82.24%的用户

内存消耗 :20.3 MB, 在所有 C++ 提交中击败了100.00%的用户

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode(int x) : val(x), left(NULL), right(NULL) {}
 * };
 */
typedef struct deTree {
    TreeNode *node;
    int depth;
}DeTree;
class Solution {
public:
    TreeNode* recoverFromPreorder(string S) {
        vector<DeTree> deptreearr;
        int num = 0;
        int count = 0;
        int len = S.length();
        for(int i = 0;i<len;i++)
        {
            while(i<len && S[i]=='-')
            {
                count++;
                i++;
            }
            while(i<len && S[i]!='-')
            {
                num = num*10 + S[i]-'0';
                i++;
            }
            DeTree t;
            t.node = new TreeNode(num);
            t.depth = count;
            deptreearr.push_back(t);
            num = 0;
            count = 1;
        }
        TreeNode *root = deptreearr[0].node;
        for(int i = 1;i<deptreearr.size();i++)
        {
            if(deptreearr[i].depth>deptreearr[i-1].depth)
            {
                deptreearr[i-1].node->left = deptreearr[i].node;
            }
            else if(deptreearr[i].depth==deptreearr[i-1].depth)
            {
                //为什么我不判断i-2是否溢出范围,因为按照题目要求给出的用例就一定不会超出范围
                //这里i-1的父节点一定是i-2
                deptreearr[i-2].node->right = deptreearr[i].node;
            }
            else if(deptreearr[i].depth<deptreearr[i-1].depth)
            {
                //当前深度小于前一个节点的深度,则这个节点一定是右节点,
                //因为如果节点只有一个子节点,那么保证该子节点为左子节点
                //所以往前面遍历找到和它的深度相等的节点,就可以找到他们的父节点
                for(int j = i-2;j>=0;j--)
                {
                    if(deptreearr[i].depth>deptreearr[j].depth)
                    {
                        deptreearr[j].node->right = deptreearr[i].node;
                        break;
                    }
                }
            }
        }
        return root;
    }
};

1、第二次解决hard难度的题目,可能还是hard中比较简单的题目。

2、这道题后面的for循环可以用递归的方式解决。

3、重点在于通过深度判断父节点是谁。

(1)如果当前节点的深度大于前一个节点的深度,则当前节点为前一个节点的子节点。

(2)如果当前节点的深度等于前一个节点的深度,则当前节点为前一个节点的兄弟节点(亲兄弟)。

(3)如果当前节点的深度小于前一个节点的深度,则当前节点为前一个节点的父辈节点,所以需要向前找到当前节点的兄弟节点(向前循环第一个深度相等的节点),而且这个兄弟节点一定是父节点的左子节点,所以当前节点是父节点的右节点。

4、这里我自己建立的一个结构体DeTree,也有人用这种方式建立typedef pair<int,int> pos;分别记录深度和节点值,vector<pos>。到我这里可以写成这样:typedef pair<TreeNode*,int> DeTree,分别记录节点地址和深度,vector<DeTree>。

 

 

 

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
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