博客
关于我
【代码超详解】UVA 699 The Falling Leaves 下落的树叶
阅读量:701 次
发布时间:2019-03-21

本文共 1461 字,大约阅读时间需要 4 分钟。

一、题目描述

我们需要处理若干棵二叉树的输入,并通过先序遍历计算每个水平位置落下的叶片数量。每个节点的位置由水平和垂直坐标决定,左子树在水平上减去一,右子树在水平上加一,垂直坐标两边都减去一。同一位置的叶片数量要累加,如果某节点的子树不存在,对应位置值为-1。此次任务需统计每个水平位置的所有节点权值之和,并按顺序输出。

复习先序遍历的定义:

$$PreOrder(N) = Root(N) + PreOrder(NL) + PreOrder(NR)$$

其中,N、NL、NR 分别代表节点、左节点、右节点。运算符+在此代表广义的连接。

二、算法分析说明与代码编写指导

我们采用递归方法构建二叉树,使用一个sum数组记录每一列的叶片总数。初始时,位置从40开始(p=40),注意捕获左右边界L和R。输入结束标记为根节点-1,sum[40]为0时停止。

主程序部分读取输入,调用BuildBinaryTree函数读取每个节点。函数递归处理当前节点,累加到相应位置的sum中,然后处理左右子树。

记录每一层次的水平位置,sum数组大小定为81,覆盖0到80的范围。确保同一位置多次输入则相加,若子树不存在设置值为-1。

三、AC代码

以下代码实现了上述功能:

#include 
#include
#include
using namespace std;#pragma warning(disable:4996)unsigned int v, sum[81], c;unsigned char L, R, p;inline void BuildBinaryTree(const unsigned char &pos) { scanf("%u", &v); if (v == 4294967295) return; sum[pos] += v; if (pos < L) L = pos; if (pos > R) R = pos; BuildBinaryTree(pos - 1); BuildBinaryTree(pos + 1);}int main() { for (;;) { fill(sum, sum + 81, 0); p = 40; L = 40; R = 40; BuildBinaryTree(p); if (sum[40] == 0) break; printf("Case %u:\n%u", ++c, sum[L]); for (unsigned char i = ++L; i <= R; ++i) { printf(" %u", sum[i]); } puts("\n"); } //system("pause"); return 0;}

代码说明:

  • sum数组用于记录各水平位置的叶片总数,从80列(0到80)覆盖所有可能的位置。
  • 递归函数BuildBinaryTree根据输入节点的值,逐个处理当前节点及其左右子树,更新sum数组。
  • 主循环不断读取输入,直到根节点输入为-1时。每次处理后输出当前sum数组范围内的值,确保格式正确。
  • 转载地址:http://tuxez.baihongyu.com/

    你可能感兴趣的文章
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP、CV 很难入门?IBM 数据科学家带你梳理
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP入门(六)pyltp的介绍与使用
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:从头开始的文本矢量化方法
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    NLTK - 停用词下载
    查看>>
    nmap 使用总结
    查看>>
    nmap 使用方法详细介绍
    查看>>
    nmap使用
    查看>>