POJ 3320 hash

本文介绍了一种寻找包含特定整数集合的最短序列的方法。通过使用哈希映射跟踪序列中的数字出现情况,实现了一个有效算法。该算法能够在较短时间内找到符合条件的最短子序列。

Jessica's Reading Problem

 

     Q : 给出一个整数序列,然后寻找一个最短序列,能包含给出的数。 
          例如   7 1 7  1 2 3 5 0 5 7 7 1 3 5  中 给出 了 0 , 1 , 2  , 3,5 , 7.则最短序列   7  1 2 3 5 0 然后输出 6;
                     
          拿到这个问题,没感觉是什么hash,昨晚以后,才感觉hash 很重要。
 

    解题思路 :

  1.  我们的目的是学找一个序列然后使得其长度最小,最直观的思路是,调出所有可能的学列,然后去优,很不幸被时间卡掉了,但是不能抛弃这种基本思想。所以就有以下的想法
  2. 从第一个数字为起始点,现寻找第一个符合要求的序列,即找到结束点,然后起始点后移,得到以此点位结束点的最优序 列。
  3. 在结束点后移动,以 2 中的方法得到另外一个序列,然后再比较,得到当前的最优序列。
  4. 以此类推,直到序列结束时,停止,输出结果。

   不过用的是map,效率不怎么高。 400+ms

代码如下:

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值