新闻详情

新闻详情

首页 / 资讯中心 / 详情

DeepSeek LeetCode 103. 二叉树的锯齿形层序遍历 Golang实现

发布时间:2026/11/13 17:16:37来源:尧图网络
DeepSeek    LeetCode 103. 二叉树的锯齿形层序遍历 Golang实现
LeetCode 103. 二叉树的锯齿形层序遍历 Golang 实现思路与普通层序遍历一致用队列逐层处理。区别在于需要交替改变每层的填充方向· 维护布尔变量 leftToRight 表示当前层方向。· 每层预分配 level : make([]int, size)· 从左到右level[i] node.Val· 从右到左level[size-1-i] node.Val· 子节点始终按 左 → 右 顺序入队保证下一层在队列中从左到右排列。· 每层结束后切换方向。Golang 代码packagemain// Definition for a binary tree node.typeTreeNodestruct{ValintLeft*TreeNode Right*TreeNode}funczigzagLevelOrder(root*TreeNode)[][]int{varres[][]intifrootnil{returnres}queue:[]*TreeNode{root}head:0// 队头索引避免频繁切片leftToRight:trueforheadlen(queue){size:len(queue)-head// 当前层节点数level:make([]int,size)fori:0;isize;i{node:queue[head]head// 根据方向决定填充位置ifleftToRight{level[i]node.Val}else{level[size-1-i]node.Val}// 子节点始终按从左到右入队ifnode.Left!nil{queueappend(queue,node.Left)}ifnode.Right!nil{queueappend(queue,node.Right)}}resappend(res,level)leftToRight!leftToRight// 切换方向}returnres}复杂度分析指标 复杂度 说明时间 O(n) 每个节点恰好入队、出队一次填充 level 为 O(1)空间 O(n) 队列最多存一层的节点最坏约 n/2结果集存储所有节点值关键点说明用 head 索引代替 queue queue[1:]避免频繁切片带来的额外开销同时减少底层数组的内存保留问题。固定子节点入队顺序无论当前层方向如何都先 Left 后 Right 入队保证下一层在队列中始终是从左到右排列。方向交替每层结束后 leftToRight !leftToRight实现锯齿效果。空树处理root nil 时直接返回空切片。替代写法先收集再反转如果不想用索引定位也可以正常追加后再按需反转forheadlen(queue){size:len(queue)-head level:make([]int,0,size)fori:0;isize;i{node:queue[head]headlevelappend(level,node.Val)ifnode.Left!nil{queueappend(queue,node.Left)}ifnode.Right!nil{queueappend(queue,node.Right)}}if!leftToRight{forl,r:0,len(level)-1;lr;l,rl1,r-1{level[l],level[r]level[r],level[l]}}resappend(res,level)leftToRight!leftToRight}两种写法时间复杂度均为 O(n)可根据偏好选择。
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/13 10:09:00

【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 ... 2026/11/13 13:31:48

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 2026/11/13 16:11:45

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 2026/11/13 0:02:27

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
📞 ✉