新闻详情

新闻详情

首页 / 资讯中心 / 详情

【算法刷题】二叉树的黄金指数之和(DFS深度优先搜索)

发布时间:2026/11/4 12:15:55来源:尧图网络
【算法刷题】二叉树的黄金指数之和(DFS深度优先搜索)
【算法刷题】二叉树的黄金指数之和DFS深度优先搜索平台蓝桥网 / 算法竞赛考点二叉树遍历、深度优先搜索DFS、数据类型溢出防护、1-based 下标映射 1. 题目描述给定一棵包含nnn个节点的二叉树节点编号为1∼n1 \sim n1∼n其中111号节点为根节点。第iii个节点的权重为wiw_iwi​。请你计算出这棵树中黄金指数为000的所有节点的权重之和。黄金指数定义根节点的黄金指数为000。若一个节点是其父节点的左儿子则它的黄金指数 父节点的黄金指数1 11。若一个节点是其父节点的右儿子则它的黄金指数 父节点的黄金指数−1- 1−1。 2. 解题思路结构存储使用数组left_child[i]和right_child[i]存储每个节点iii的左右子节点编号如果值为000表示对应位置为空。使用数组weight[i]存储节点iii的权重。DFS 状态传递从根节点111开始递归函数定义为dfs(u, gold_index)其中u为当前节点编号gold_index为到达当前节点时的黄金指数。每访问到一个节点若gold_index 0则将当前节点权重weight[u]累加至全局变量ans中。向左递归遍历时指数传递为gold_index 1向右递归遍历时指数传递为gold_index - 1。复杂度和防错策略时间复杂度O(n)\mathcal{O}(n)O(n)每个节点仅访问一次。空间复杂度O(n)\mathcal{O}(n)O(n)主要为递归栈深度与树的存储空间。数据类型节点权重累加和ans需使用long long类型避免多节点权重累加时发生整型溢出。⚠️ 3. 易错点总结数组下标与编号对齐1-based Indexing节点编号为1∼n1 \sim n1∼n输入循环必须从i1i 1i1到ini nin切勿使用i0i 0i0到in−1i n - 1in−1否则会导致权重与节点编号错位。累加对象错误当判定gold_index 0时应该加的是weight[u]而非gold_index。右子树的方向计算往右走是黄金指数−1-1−1不要误写成111。 4. C 完整代码#includeiostreamusingnamespacestd;constintMAXN100005;intweight[MAXN];intleft_child[MAXN];intright_child[MAXN];longlongans0;// 存储权重总和防止爆 int// DFS 深度优先搜索voiddfs(intu,intgold_index){if(u0)return;// 当黄金指数为 0 时累加当前节点的权重if(gold_index0){answeight[u];}// 遍历左子树黄金指数 1if(left_child[u]!0){dfs(left_child[u],gold_index1);}// 遍历右子树黄金指数 -1if(right_child[u]!0){dfs(right_child[u],gold_index-1);}}intmain(){// 开启 IO 优化提升读写效率ios::sync_with_stdio(false);cin.tie(nullptr);intn;if(!(cinn))return0;// 读取每个节点的权重下标从 1 到 nfor(inti1;in;i){cinweight[i];}// 读取左右儿子节点下标从 1 到 nfor(inti1;in;i){cinleft_child[i]right_child[i];}// 从根节点 1 开始遍历初始黄金指数为 0dfs(1,0);// 输出最终答案coutans\n;return0;}
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉