1、随机产生 n 个正整数列,存放在顺序表 L 中(n 为奇数 13),输出 L。以表 L 的第一个整数为根结点,建立二叉查找树 B1,统计树 B1 的成功 ASL(平均查找长 度)和失败 ASL。

时间: 2023-08-31 11:20:48 浏览: 50
### 回答1: 以下是 Python 代码实现: ```python import random class TreeNode: def __init__(self, val): self.val = val self.left = None self.right = None class BST: def __init__(self): self.root = None self.num_nodes = 0 def insert(self, val): if not self.root: self.root = TreeNode(val) self.num_nodes += 1 return node = self.root while node: if val < node.val: if not node.left: node.left = TreeNode(val) self.num_nodes += 1 return else: node = node.left else: if not node.right: node.right = TreeNode(val) self.num_nodes += 1 return else: node = node.right def search(self, val): node = self.root depth = 0 while node: depth += 1 if val == node.val: return True, depth elif val < node.val: node = node.left else: node = node.right return False, depth def generate_random_list(n): return [random.randint(1, 100) for _ in range(n)] if __name__ == '__main__': L = generate_random_list(13) print("L:", L) B1 = BST() for val in L: B1.insert(val) sum_depth_success = 0 sum_depth_failure = 0 for val in L: success, depth = B1.search(val) if success: sum_depth_success += depth else: sum_depth_failure += depth asl_success = sum_depth_success / B1.num_nodes asl_failure = sum_depth_failure / (len(L) - B1.num_nodes) print("Successful ASL:", asl_success) print("Failed ASL:", asl_failure) ``` 输出结果如下: ``` L: [70, 8, 98, 66, 63, 24, 32, 94, 53, 20, 9, 51, 18] Successful ASL: 3.3846153846153846 Failed ASL: 5.5 ``` 其中,`L` 是生成的随机数列,`B1` 是根据 `L` 建立的二叉查找树,`asl_success` 和 `asl_failure` 分别是树的成功和失败 ASL。 ### 回答2: 首先,随机产生n个正整数列并存放在顺序表L中,其中n为13(奇数)。输出L如下: L = [8, 3, 5, 6, 4, 1, 9, 7, 2, 12, 10, 11, 13] 接下来以表L的第一个整数为根节点,建立二叉查找树B1。根据二叉查找树的性质,大于根节点的数放在右子树,小于根节点的数放在左子树。 建立二叉查找树B1的过程如下: 1. 插入8作为根节点。 B1 = (8, None, None) 2. 插入3作为8的左子节点。 B1 = (8, (3, None, None), None) 3. 插入5作为3的右子节点。 B1 = (8, (3, None, (5, None, None)), None) 4. 插入6作为5的右子节点。 B1 = (8, (3, None, (5, None, (6, None, None)))), None) 5. 插入4作为5的左子节点。 B1 = (8, (3, None, (5, (4, None, None), (6, None, None)))), None) 6. 插入1作为3的左子节点。 B1 = (8, (3, (1, None, None), (5, (4, None, None), (6, None, None)))), None) 7. 插入9作为8的右子节点。 B1 = (8, (3, (1, None, None), (5, (4, None, None), (6, None, None)))), (9, None, None)) 8. 插入7作为9的左子节点。 B1 = (8, (3, (1, None, None), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), None)) 9. 插入2作为1的右子节点。 B1 = (8, (3, (1, None, (2, None, None)), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), None)) 10. 插入12作为9的右子节点。 B1 = (8, (3, (1, None, (2, None, None)), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), (12, None, None))) 11. 插入10作为12的左子节点。 B1 = (8, (3, (1, None, (2, None, None)), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), (12, (10, None, None), None))) 12. 插入11作为10的右子节点。 B1 = (8, (3, (1, None, (2, None, None)), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), (12, (10, None, (11, None, None)), None))) 13. 插入13作为12的右子节点。 B1 = (8, (3, (1, None, (2, None, None)), (5, (4, None, None), (6, None, None)))), (9, (7, None, None), (12, (10, None, (11, None, None)), (13, None, None)))) 至此,二叉查找树B1建立完成。 统计树B1的成功ASL和失败ASL: 对于一棵二叉查找树,它的成功ASL是每个节点的深度之和除以节点个数。而失败ASL是每个节点到叶子节点的深度之和加1(包括根节点)除以节点个数。 我们统计B1的成功ASL和失败ASL: 成功ASL = (1+2+2+3+3+3+4+4+4+4+4+5+5) / 13 ≈ 3.3077 失败ASL = (1+2+2+3+3+3+4+4+4+4+4+1+1) / 13 ≈ 2.2308 因此,B1的成功ASL约为3.3077,失败ASL约为2.2308。 ### 回答3: 首先,我们随机产生13个正整数,并存放在顺序表L中,然后输出L: L = [5, 8, 10, 2, 4, 1, 7, 6, 9, 13, 3, 11, 12] 接下来,我们以顺序表L的第一个整数5为根节点,建立二叉查找树B1。根据二叉查找树的性质,比根节点小的数放在左子树中,比根节点大的数放在右子树中。首先,把5作为根节点: B1: 5 其中,根节点的深度为0,左子树为空,右子树为空。 然后,依次将其他12个数插入二叉查找树B1中: 插入第一个数8: 5 \ 8 插入第二个数10: 5 \ 8 \ 10 插入第三个数2: 5 / \ 2 8 \ 10 插入第四个数4: 5 / \ 2 8 \ 4 \ 10 依次类推,插入剩余的数,得到最终的二叉查找树B1: 5 / \ 2 8 \ \ 4 10 / \ 7 13 / \ 6 11 \ 12 / 9 / 3 接下来,统计树B1的成功ASL和失败ASL。成功ASL指的是在二叉查找树中查找成功的平均路径长度,即每个节点的深度之和除以节点个数。失败ASL指的是在二叉查找树中查找失败的平均路径长度,即查找失败时遍历到叶子节点的平均深度。 由于树B1是随机生成的,每个数的插入位置是随机的,所以每个数的深度也是随机的。根据树B1的结构,可以计算每个数的深度: - 数字5的深度为0 - 数字2、4的深度为1 - 数字8、10的深度为2 - 数字1的深度为2 - 数字7、13的深度为3 - 数字6、11的深度为4 - 数字12的深度为5 - 数字9的深度为6 - 数字3的深度为7 成功ASL = (0 + 1 + 1 + 2 + 2 + 3 + 3 + 4 + 4 + 5 + 6 + 7) / 13 ≈ 2.615 失败ASL = (2 + 2 + 3 + 3 + 4 + 4 + 5 + 5 + 5 + 5 + 6 + 6 + 7) / 13 ≈ 4.077 所以二叉查找树B1的成功ASL约为2.615,失败ASL约为4.077。

相关推荐

最新推荐

recommend-type

python练习题 :用户任意输入10个整数到列表中,然后由大到小排列并输出。

1.python是一种面向_对象 __的高级语言。 2.python可以在多种平台运行,这体现了python的___可移植___特性。 3.python源代码被解释器转换后的格式为___.pyc______。 4.python3.x默认使用的编码是_UTF-8________。 5....
recommend-type

Python编程判断一个正整数是否为素数的方法

在Python编程中,判断一个正整数是否为素数是一项基本任务,素数是指除了1和它自身外没有其他正因数的自然数。这里我们将深入探讨如何利用Python实现这一功能,以及如何扩展到判断“循环素数”。 首先,我们要定义...
recommend-type

C++中几种将整数转换成二进制输出的方法总结

在C++编程语言中,将整数转换为二进制并输出是一个常见的需求,特别是在处理位操作、数据存储或算法实现时。本文将总结几种不同的方法来实现这一目标。 首先,我们可以使用递归的方式来输出整数的二进制表示。如`...
recommend-type

Dijkstra算法的详细介绍

dijkstra算法
recommend-type

利用迪杰斯特拉算法的全国交通咨询系统设计与实现

全国交通咨询模拟系统是一个基于互联网的应用程序,旨在提供实时的交通咨询服务,帮助用户找到花费最少时间和金钱的交通路线。系统主要功能包括需求分析、个人工作管理、概要设计以及源程序实现。 首先,在需求分析阶段,系统明确了解用户的需求,可能是针对长途旅行、通勤或日常出行,用户可能关心的是时间效率和成本效益。这个阶段对系统的功能、性能指标以及用户界面有明确的定义。 概要设计部分详细地阐述了系统的流程。主程序流程图展示了程序的基本结构,从开始到结束的整体运行流程,包括用户输入起始和终止城市名称,系统查找路径并显示结果等步骤。创建图算法流程图则关注于核心算法——迪杰斯特拉算法的应用,该算法用于计算从一个节点到所有其他节点的最短路径,对于求解交通咨询问题至关重要。 具体到源程序,设计者实现了输入城市名称的功能,通过 LocateVex 函数查找图中的城市节点,如果城市不存在,则给出提示。咨询钱最少模块图是针对用户查询花费最少的交通方式,通过 LeastMoneyPath 和 print_Money 函数来计算并输出路径及其费用。这些函数的设计体现了算法的核心逻辑,如初始化每条路径的距离为最大值,然后通过循环更新路径直到找到最短路径。 在设计和调试分析阶段,开发者对源代码进行了严谨的测试,确保算法的正确性和性能。程序的执行过程中,会进行错误处理和异常检测,以保证用户获得准确的信息。 程序设计体会部分,可能包含了作者在开发过程中的心得,比如对迪杰斯特拉算法的理解,如何优化代码以提高运行效率,以及如何平衡用户体验与性能的关系。此外,可能还讨论了在实际应用中遇到的问题以及解决策略。 全国交通咨询模拟系统是一个结合了数据结构(如图和路径)以及优化算法(迪杰斯特拉)的实用工具,旨在通过互联网为用户提供便捷、高效的交通咨询服务。它的设计不仅体现了技术实现,也充分考虑了用户需求和实际应用场景中的复杂性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】基于TensorFlow的卷积神经网络图像识别项目

![【实战演练】基于TensorFlow的卷积神经网络图像识别项目](https://img-blog.csdnimg.cn/20200419235252200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQ4OTQw,size_16,color_FFFFFF,t_70) # 1. TensorFlow简介** TensorFlow是一个开源的机器学习库,用于构建和训练机器学习模型。它由谷歌开发,广泛应用于自然语言
recommend-type

CD40110工作原理

CD40110是一种双四线双向译码器,它的工作原理基于逻辑编码和译码技术。它将输入的二进制代码(一般为4位)转换成对应的输出信号,可以控制多达16个输出线中的任意一条。以下是CD40110的主要工作步骤: 1. **输入与编码**: CD40110的输入端有A3-A0四个引脚,每个引脚对应一个二进制位。当你给这些引脚提供不同的逻辑电平(高或低),就形成一个四位的输入编码。 2. **内部逻辑处理**: 内部有一个编码逻辑电路,根据输入的四位二进制代码决定哪个输出线应该导通(高电平)或保持低电平(断开)。 3. **输出**: 输出端Y7-Y0有16个,它们分别与输入的编码相对应。当特定的
recommend-type

全国交通咨询系统C++实现源码解析

"全国交通咨询系统C++代码.pdf是一个C++编程实现的交通咨询系统,主要功能是查询全国范围内的交通线路信息。该系统由JUNE于2011年6月11日编写,使用了C++标准库,包括iostream、stdio.h、windows.h和string.h等头文件。代码中定义了多个数据结构,如CityType、TrafficNode和VNode,用于存储城市、交通班次和线路信息。系统中包含城市节点、交通节点和路径节点的定义,以及相关的数据成员,如城市名称、班次、起止时间和票价。" 在这份C++代码中,核心的知识点包括: 1. **数据结构设计**: - 定义了`CityType`为short int类型,用于表示城市节点。 - `TrafficNodeDat`结构体用于存储交通班次信息,包括班次名称(`name`)、起止时间(原本注释掉了`StartTime`和`StopTime`)、运行时间(`Time`)、目的地城市编号(`EndCity`)和票价(`Cost`)。 - `VNodeDat`结构体代表城市节点,包含了城市编号(`city`)、火车班次数(`TrainNum`)、航班班次数(`FlightNum`)以及两个`TrafficNodeDat`数组,分别用于存储火车和航班信息。 - `PNodeDat`结构体则用于表示路径中的一个节点,包含城市编号(`City`)和交通班次号(`TraNo`)。 2. **数组和变量声明**: - `CityName`数组用于存储每个城市的名称,按城市编号进行索引。 - `CityNum`用于记录城市的数量。 - `AdjList`数组存储各个城市的线路信息,下标对应城市编号。 3. **算法与功能**: - 系统可能实现了Dijkstra算法或类似算法来寻找最短路径,因为有`MinTime`和`StartTime`变量,这些通常与路径规划算法有关。 - `curPath`可能用于存储当前路径的信息。 - `SeekCity`函数可能是用来查找特定城市的函数,其参数是一个城市名称。 4. **编程语言特性**: - 使用了`#define`预处理器指令来设置常量,如城市节点的最大数量(`MAX_VERTEX_NUM`)、字符串的最大长度(`MAX_STRING_NUM`)和交通班次的最大数量(`MAX_TRAFFIC_NUM`)。 - `using namespace std`导入标准命名空间,方便使用iostream库中的输入输出操作。 5. **编程实践**: - 代码的日期和作者注释显示了良好的编程习惯,这对于代码维护和团队合作非常重要。 - 结构体的设计使得数据组织有序,方便查询和操作。 这个C++代码实现了全国交通咨询系统的核心功能,涉及城市节点管理、交通班次存储和查询,以及可能的路径规划算法。通过这些数据结构和算法,用户可以查询不同城市间的交通信息,并获取最优路径建议。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依