博客
关于我
【树的应用】——列出叶结点 (25分)(附测试点)
阅读量:99 次
发布时间:2019-02-26

本文共 1902 字,大约阅读时间需要 6 分钟。

为了解决这个问题,我们需要构建一个二叉树,并按从上到下、从左到右的顺序输出所有叶节点的编号。叶节点是指没有左孩子和右孩子的节点。

方法思路

  • 读取输入:首先读取输入数据,确定树的节点总数和每个节点的左、右孩子。
  • 构建树结构:使用数组来表示每个节点的左、右孩子和节点值。
  • 确定根节点:根节点是没有作为任何其他节点左或右孩子出现的节点。
  • 层次遍历:使用队列来进行层次遍历,检查每个节点是否为叶节点,并收集这些叶节点。
  • 输出结果:将收集到的叶节点编号按顺序输出。
  • 解决代码

    #include 
    #include
    #include
    using namespace std;struct Node { int data; int left; int right;};int main() { int n; cin >> n; Node nodes[n]; for (int i = 0; i < n; ++i) { char a, b; cin >> a >> b; nodes[i].left = (a != '-') ? (a - '0') : -1; nodes[i].right = (b != '-') ? (b - '0') : -1; nodes[i].data = i; } bool used[n] = {false}; for (int i = 0; i < n; ++i) { int left = nodes[i].left; int right = nodes[i].right; if (left != -1 && left < n) { used[left] = true; } if (right != -1 && right < n) { used[right] = true; } } int root = -1; for (int i = 0; i < n; ++i) { if (!used[i]) { root = i; break; } } queue
    q; vector
    result; q.push(root); while (!q.empty()) { int current = q.front(); q.pop(); if (nodes[current].left == -1 && nodes[current].right == -1) { result.push_back(current); } if (nodes[current].left != -1) { q.push(nodes[current].left); } if (nodes[current].right != -1) { q.push(nodes[current].right); } } if (!result.empty()) { cout << result[0]; for (int i = 1; i < result.size(); ++i) { cout << " " << result[i]; } } return 0;}

    代码解释

  • 读取输入:读取节点总数n,然后读取每个节点的左、右孩子信息,构建树结构。
  • 确定根节点:使用一个布尔数组标记每个节点是否被作为子节点使用,根节点是未被标记的节点。
  • 层次遍历:使用队列进行层次遍历,检查每个节点是否为叶节点,并将叶节点编号收集起来。
  • 输出结果:将收集到的叶节点编号按顺序输出,确保格式正确。
  • 这个方法确保了我们能够正确地构建二叉树,并按要求输出所有叶节点的编号。

    转载地址:http://jxaz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>