DevExpress TreeList 拖动时中如何判断源节点作为目标

方案1:在afterDrop事件中来判断父节点是或不是一律,因为移动已经成功,父节点发什么了变通,依据判别结果然后再把节点恢复回去。这种做法很low。

运用步步逼近的点子协会难点的解,其下一步的挑三拣四总是在此时此刻总的来讲收效最快和效应最举世瞩目标不行。

其一分明移动方向的枚举:

Horn公式

难点陈述
Horn公式中最基本的靶子是取值为true或false的布尔变量,变量的知识通过包蕴式、纯否定两类子句来评释。给定有个别由以上两类子句构成的集合,大家必要判别是还是不是存在多个同样的疏解,即一组使得全部子句都满意的变量(true/false)赋值,该解释成为该Horn公式的二个可满意赋值。

求解攻略
从有着变量为false最初,依次将“只需且只好”那样做以使得有些蕴涵式满意的变量置为true;一旦有所的包涵式都拿走满意,再回头检查是否具有否定子句如故满意。

方案2:在活动进程中剖断S被移位到T节点的职位:T节点前、T节点后、T节点下,倘若是运动到T节点下,那么禁绝移动就可以。

最小生成树(minimum spanning tree)

输入:无向图G=(V, E); 边权重w(e)
输出:树T=(V, E'),

其中![](http://latex.codecogs.com/svg.latex?E' subseteq E), 使得权重![](http://latex.codecogs.com/svg.latex?weight(T)) = sum_{e in E'} w_e)

 

集聚覆盖

主题材料汇报

图片 1

图中的点表示一组城市和商场,要求城乡村建设设环保部分新的学园。

现实必要:

  1. 全数的院所都必需建在城市和市场上
  2. 从随机多个集镇接触,都应该能够在30海里的限定抵达个中的某一所学校
    那便是说,起码必要建多少所学园吧?

较优解求解战略(贪心)
对每种城市和市场x,令S(x)为在其30英里范围内的村镇集结。
选取蕴涵未被掩盖成分的最大集合Si,不断重复,直到全部因素都被覆盖。

贪如虎狼算法的临界因子
贪欲算法的解与事实上的最优解的框框之比大概因难点输入的例外而差异,但是总小于ln(n)。我们称这一最大比值为贪欲算法的逼近因子。

namespace DevExpress.XtraTreeList
{
    public enum DragInsertPosition
    {
        None = 0,
        AsChild = 1,
        Before = 2,
        After = 3
    }
}
Prim算法

算法中间阶段的边集X构成三个子树,该子树顶点的聚众表示为S。大家挑选S中顶点与S外顶点之间的最轻边出席X,即以细小代价将兼具原先不属于S的终极包括进来。

与Dijkstra的关系
伪代码基本一致,不同呈现在先行队列排序使用的键值

  • Prim: 键值为节点与集结S中顶点间的最轻边的权重;
  • Dijkstra:键值为节点到开端点的完全路线长度;

pseudocode如下:

procedure prim
for all u in V
    dist(u) = infty
    pre(u) = nil

dist(s) = 0
PQ = makequeue(V) (using dist-values as keys)
while PQ is not empty
    u = deletemin(PQ)
    for all edges (u, v) in E
        if dist(v) > l(u, v)
            dist(v) = l(u, v)
            pre(v) = u
            decreasekey(PQ, v)

能够见到仅是dist(u)+l(u, v)变为l(u, v)

see java implement: greedy.mst.PrimMST

目标:只允许同级拖动。

树的性质
  1. 具备n个节点的树的边数为n-1
  2. 一个无向图是树,当且仅当任性三个节点间仅设有独一路线

 

Kruskal算法

不仅仅地重复地挑选未被入选的边中权重最轻而且不会变成环的一条。

procudure kruskal
for all u in V:
    makeset(u)
sort the edges E by weight
for all edges {u, v} in E, in increasing order of weight:
    if find(u) != find(v)
        add edge {u,v} to X
        union(u, v)
  • makeset(x): 成立一个仅包蕴x的独门成团
  • find(x): x属于哪个集结?
  • union(x, y): 合併饱含x和y的汇合
    共需要|V|次makeset + 2|E|次find + |V|-1次union操作

find操作不自然成功触发union操作,由此最坏景况下会要求2|E|次

数据结构:有向树
集结中的顶点对应树的节点,每一种节点包罗一个父指针,超级级指向树根。树根的父指针指向该因素自己。

图片 2

有向树

node

  1. p //父节点指针
  2. rank //该节点下悬挂的子树中度
  • 方案一
    合併时让异常的低的树的根指向较高的树的根(基于等第的集合)
  procedure makeset(x)
    p(x) = x
    rank(x) = 0
  procedure find(x)
    while(x != p(x))
        x = p(x)
    return x
  procedure union(x, y)
    rx = find(x), ry = find(y)
    if rx == ry return
    if rank(rx) > rank(ry)
        p(ry) = rx
    else if rank(rx) == rank(ry)
        p(rx) = ry
        rank(ry) += 1
    else
        p(rx) = ry
  • 方案二
    门路压缩: 循着一雨后苦笋的父指针最终找到树根后,改换全数那么些父指针的对象,使其一向指向树根
  procedure find(x)
    while(x != p(x))
        p(x) = find(p(x))
    return x

find中rank未举办翻新,此时rank的意思不可能解释为子树的冲天。
那时候有向树的莫斯科大学不会超越2。

  • 方案三
    我们得以开掘find和union操作均只关注树的顶层,是或不是足以一贯利用树高为2的有向树啊?并在union()操作中,对于五个树高为2的有向树,实行之中一棵的削减。

但细心解析能够得出,此方案与方案二本质一样,仅将find()操作总共所做的办事转移到union()操作中。

方案序号 makeset find union 该部分效率
1 O(1) O(logn) O(logn) (V+E)logn
2 O(1) > O(1) > O(1) V+E

方案2如何分担分析?TODO
总时间复杂度为T(sort)和T(find/union)中相当大的老大

see java implement: greedy.mst.KruskalMST

2.S、T是同一流的,不过S是活动到T下一级,这种光景下,移动进度中,S和T的父节点是同样的,无法剖断是或不是跨级移动,那么如何做判定呢?

哈夫曼编码
  • 编码压缩

调整和降低比越高,随机性越低,可预测性越好

  • 无前缀天性,任四个码字都不应该是其余码字的前缀

无前缀编码中各样字符对应于树中的一个叶节点

procedure Huffman(f)
Input: An array f[1...n] of frequencies
Output: An encoding tree with n leaves

let H be a priority queue of integers, ordered by f
for i = 1 to n: insert(H, i)
for k = n + 1 to 2n -1
    i = deletemin(H), j = deletemin(H)
    create a node numbered k with children i,j
    f[k] = f[i] + f[j]
    insert(H, k)

编码输出

call print(root, 1)

print(node, num) {
  if node is null return
  print node's code based on num
    :num to binary and then remove the head '1'
  print(node.left, 2*num)
  print(node.right, 2*num + 1)
}

see implement: greedy.Huffman

/// <summary>
        /// 获取拖动过程中的方向
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        /// <returns></returns>
        private DragInsertPosition AjustDirection(object sender, DragEventArgs e)
        {
            TreeListNode dragNode, targetNode;
            TreeList tl = sender as TreeList;
            Point p = tl.PointToClient(new Point(e.X, e.Y));
            dragNode = e.Data.GetData(typeof(TreeListNode)) as TreeListNode;
            TreeListHitInfo hit = tl.CalcHitInfo(p);
            PropertyInfo pi = typeof(TreeList).GetProperty("Handler", BindingFlags.Instance | BindingFlags.NonPublic);
            TreeListHandler handler = (TreeListHandler)pi.GetValue(tl, null);
            return handler.StateData.DragInfo.DragInsertPosition;

        }

 private void treeListNav_DragOver(object sender, DragEventArgs e)
        {
            TreeListNode dragNode = e.Data.GetData(typeof(TreeListNode)) as TreeListNode;
            System.Diagnostics.Debug.WriteLine("Over:" + e.Effect);
            TreeListNode targetNode;
            Point p = treeListNav.PointToClient(MousePosition);
            targetNode = treeListNav.CalcHitInfo(p).Node;
            if (targetNode == null)
            {
                return;
            }
            FileContent tagParent = null;//拖动后的父级数据
            if (targetNode.ParentNode != null)
            {
                tagParent = this.treeListNav.GetRow(targetNode.ParentNode.Id) as FileContent;
            }
            if (sourceParent != tagParent)//发生跨级拖动
            {
                // MessageHelper.ShowHit("只能在同一级拖动,移动未成功。");
                e.Effect = DragDropEffects.None;
                return;
            }

            //移动到了同级子节点下
            if (AjustDirection(sender, e) == DragInsertPosition.AsChild)
            {
                e.Effect = DragDropEffects.None;                
                return;
            }

            if (e.Effect == DragDropEffects.Link)
            {
                //     MessageHelper.ShowHit("不能移动到子集。");
                e.Effect = DragDropEffects.None;
            }


        }

使用前提: 验证贪心方式的立竿见影

下面贴出方案2剖断方法:

其他

四个决断:

写在结尾
  • 立个Flag,TODO will be done some day。
  • 渣代码,且轻喷:worried:。

1.原节点(假使为:S)的父级假若不对等指标节点(借使为:T)的父节点,那么产生了跨级,即非同级移动。这几个论断很轻易。

 

本文由88必发唯一官网必发布于办公软件,转载请注明出处:DevExpress TreeList 拖动时中如何判断源节点作为目标

相关阅读