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
    opencv8-图像模糊
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV_ cv2.imshow()
    查看>>
    opencv_core.dir/objects.a(vs_version.rc.obj)‘ is incompatible with i386:x86-64 output
    查看>>
    opencv——图像缩放1(resize)
    查看>>
    opencv——最简单的视频读取
    查看>>
    Opencv——模块介绍
    查看>>
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    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 | 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>>