【前缀和】304.二维区域和检索-矩阵不可变

该博客围绕304.二维区域和检索 - 矩阵不可变题目,介绍了前缀和解法。以小学数学田字形为例,说明可根据整体、上面、左边、左上面积来求右下角矩形面积,即右下角矩形面积 = 整体面积 - 上面面积 - 左边面积 + 左上面积,还给出了Python和Java代码示例。

题目

法1:前缀和

小学数学,田字形,已知整体面积,上面面积,左边面积,左上面积,求右下角矩形的面积。 右下角矩形的面积=整体面积-上面面积-左边面积+左上面积

Python

class NumMatrix:

    def __init__(self, matrix: List[List[int]]):
        m, n = len(matrix), len(matrix[0])
        tmp_matrix = [[0] * n for _ in range(m)]
        tmp_matrix[0][0] = matrix[0][0]
        for k in range(1, n): # 第1行
            tmp_matrix[0][k] = tmp_matrix[0][k-1] + matrix[0][k]
        for k in range(1, m): # 1列
            tmp_matrix[k][0] = tmp_matrix[k-1][0] + matrix[k][0]
        for i in range(1, m):
            for j in range(1, n):
                tmp_matrix[i][j] = tmp_matrix[i-1][j] + tmp_matrix[i][j-1] - tmp_matrix[i-1][j-1] + matrix[i][j]
        self.matrix = tmp_matrix

    def sumRegion(self, row1: int, col1: int, row2: int, col2: int) -> int:
        origin_sum = self.matrix[row2][col2]
        left_sum = self.matrix[row2][col1-1] if col1 > 0 else 0
        up_sum = self.matrix[row1-1][col2] if row1 > 0 else 0
        left_up_sum = self.matrix[row1-1][col1-1] if row1 > 0 and col1 > 0 else 0
        return origin_sum - left_sum - up_sum + left_up_sum


# Your NumMatrix object will be instantiated and called as such:
# obj = NumMatrix(matrix)
# param_1 = obj.sumRegion(row1,col1,row2,col2)

Java

class NumMatrix {
    private int[][] sumMatrix;
    public NumMatrix(int[][] matrix) {
        int m = matrix.length, n = matrix[0].length;
        sumMatrix = new int[m][n];
        sumMatrix[0][0] = matrix[0][0];
        for (int i = 1; i < n; ++i) {
            sumMatrix[0][i] = sumMatrix[0][i - 1] + matrix[0][i];  
        }
        for (int i = 1; i < m; ++i) {
            sumMatrix[i][0] = sumMatrix[i - 1][0] + matrix[i][0];  
        }
        for (int i = 1; i < m; ++i) {
            for (int j = 1; j < n; ++j) {
                sumMatrix[i][j] = sumMatrix[i - 1][j] + sumMatrix[i][j - 1] - sumMatrix[i - 1][j - 1] +  matrix[i][j];
            }
        }
    }
    
    public int sumRegion(int row1, int col1, int row2, int col2) {
        int res = sumMatrix[row2][col2];
        if (row1 - 1 >= 0) {
            res -= sumMatrix[row1 - 1][col2];
        }
        if (col1 - 1 >= 0) {
            res -= sumMatrix[row2][col1 - 1];
        }
        if (row1 - 1 >= 0 && col1 - 1 >= 0) {
            res += sumMatrix[row1 - 1][col1 - 1];
        }

        return res;
    }
}
【无人机】基于改进粒子群算法的无人机路径规划研究[遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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