标题:利用动态规划求解最优二叉树
2015-09-06 19:50
357 查看
摘要:二叉查找书所要查找的目标出现的频率可能不一样,因此它们在二叉查找树上的位置不同,查找的代价也不同.
(1)基本思路:
[1]因为二叉查找树的左儿子一定要小于右儿子,这里用单词作为元素.首先按照首字母的顺序排序,当首字母相同时,按照字符串的长度排序。
[2]假设对于单词wLeft……wRight进行构建二叉查找树,设F[Left][Right]以该单词集合中某个单词为根的最小查找代价.则可以写出递归关系
F[Left[Right]=minNi=1(wi+F[Left][i−1]+F[i+1][Right]+∑i=LeftRightPi)注意:其中pi是某个单词出现的概率.因为原问题的子集相对原来的根要深了一层.所以必须将所有查找概率加上一遍。
[3]按照常规方法以空间换时间,注意构建循环的顺序和求解矩阵时基本一致.
.#include "stdafx.h" #include "malloc.h" #define N 7 #define Infinity 100 typedef struct wordstr* word; typedef word Array ; struct wordstr { char *name; int size; double P; }; double sum(Array words,int Left,int Right) { double sum = 0; for (int i = Left;i<=Right;i++) sum += words[i]->P; return sum; } void BestTree(Array words,double cost[] ,int Lastchange[] ) { int Left,Right,cutoff,i; double Thiscost; for (Left = 0;Left<=N-1;Left++) { cost[Left][Left] = words[Left]->P; Lastchange[Left][Left] = Left; } for(cutoff = 1;cutoff<=N-1;cutoff++) { for(Left = 0;Left<=N-1-cutoff;Left++) { Right = Left + cutoff; cost[Left][Right] = Infinity; for(i = Left;i<=Right;i++) { if(i-1<Left) cost[Left][i-1] = 0;//注意特殊情况,没有左子树 if(i+1>Right) cost[i+1][Right] = 0; Thiscost = (cost[Left][i-1]+cost[i+1][Right]+ sum(words,Left,Right)); if (Thiscost < cost[Left][Right]) { cost[Left][Right] = Thiscost; Lastchange[Left][Right] = i;//记录相应的根 } } } } } void PrintTree(int Lastchange[] ,int Left,int Right) { //将树打印一遍 if(Left == Right) { printf("%d ",Left); } else if (Left < Right) { int k =Lastchange[Left][Right]; printf("%d ",k); PrintTree(Lastchange,Left,k-1); PrintTree(Lastchange,k+1,Right); } }
相关文章推荐
- AVL树-自平衡二叉查找树(Java实现)
- C++动态规划之最长公子序列实例
- C++动态规划之背包问题解决方法
- C语言二叉树的非递归遍历实例分析
- 使用C语言构建基本的二叉树数据结构
- C++非递归队列实现二叉树的广度优先遍历
- C#使用前序遍历、中序遍历和后序遍历打印二叉树的方法
- C#非递归先序遍历二叉树实例
- C++非递归建立二叉树实例
- C语言实现找出二叉树中某个值的所有路径的方法
- C++实现二叉树遍历序列的求解方法
- C#使用动态规划解决0-1背包问题实例分析
- C语言实现二叉树遍历的迭代算法
- 用C语言判断一个二叉树是否为另一个的子结构
- C++实现二叉树非递归遍历方法实例总结
- C++二叉树结构的建立与基本操作
- 深入遍历二叉树的各种操作详解(非递归遍历)
- JavaScript数据结构和算法之二叉树详解
- java使用归并删除法删除二叉树中节点的方法
- Java中二叉树数据结构的实现示例