博客
关于我
Leetcode 337. 打家劫舍 III(DAY 88) ---- Leetcode Hot 100
阅读量:234 次
发布时间:2019-02-28

本文共 1223 字,大约阅读时间需要 4 分钟。

原题题目

代码实现

在这里,我将详细解释并优化给定的二叉树劫持问题的代码实现。

二叉树劫持问题要求我们选择一个子树,使得该子树的根节点值加上其左右子树的劫持值之和最大。通过递归方法,我们可以有效地计算每个节点的劫持值,并选择最优解。

以下是优化后的代码:

#include 
using namespace std;struct TreeNode { int val; TreeNode* left; TreeNode* right; TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}};unordered_map
m;int rob(TreeNode* root) { if (!root) return 0; int l = rob(root->left); int r = rob(root->right); int ll = 0, lr = 0, rl = 0, rr = 0; if (root->left) { ll = m[root->left->left] ? m[root->left->left->val] : 0; lr = m[root->left->right] ? m[root->left->right->val] : 0; } if (root->right) { rl = m[root->right->left] ? m[root->right->left->val] : 0; rr = m[root->right->right] ? m[root->right->right->val] : 0; } int current = ll + lr + rl + rr + root->val; int total = l + r; if (total >= current) { m[root] = total; } else { m[root] = current; } return m[root];}

代码解释

  • 结构定义:定义了一个二叉树的节点结构,包含值、左指针和右指针。
  • 字典初始化:使用字典m来存储每个节点及其对应的劫持值。
  • 递归函数rob函数处理给定的根节点,返回其劫持值。
  • 递归调用:分别递归处理根节点的左孩子和右孩子,获取左右子树的劫持值。
  • 子树劫持值计算:根据子树是否存在,获取其左右子树的劫持值。
  • 比较与赋值:计算当前节点及其子树的总劫持值,决定是否保留当前节点,更新字典m
  • 返回结果:返回当前节点的劫持值。
  • 通过这种方法,我们可以有效地计算二叉树的劫持值,并选择最优的子树。

    转载地址:http://fcni.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>