编程题汇总2

本文探讨了如何在数组中快速找到两数之和等于特定值的问题,并提出三种解决方案,包括排序加二分查找、双指针法及哈希表法。此外,还介绍了一种4×5棋盘上所有可能的移动路径计数方法,通过数学组合和动态规划两种方式解决。

1.快速找出一个数组中的两个数字,让这两个数字之和等于一个给定的数字,时间复杂度要小于O(N)2

微软编程之美上的一道题,实习笔试面试中经常出现

(a) 假设给定的和为Sum.对于每个数字arr[i],都需要查找对应的Sum-arr[i]是否存在在数组中.

首先将要排序的数组排序,然后用二分查找的方式进行查找

快速排序的时间复杂度是O(Nlog2N),二分查找的时间复杂度是O(log2N),对n个数的时间复杂度为O(Nlog2N),一共为O(Nlog2N)

代码如下:

def quicksort(array, left, right):
    if right<left:
        return
    value = array[left]
    i = left
    j = right 
    while i < j:
        # print array
        while i<j and value <= array[j]:
            j -= 1
        while i<j and value >= array[i]:
            i += 1
        array[i], array[j] = array[j], array[i]        
    array[i], array[left] = array[left], array[i]
    quicksort(array,left, i-1)
    quicksort(array,i+1, right)

def bisearch(array, target_value):
    max_index = len(array) - 1 
    min_index = 0
    while min_index < max_index-1:
        mid_index = (max_index + min_index)/2
        if target_value >= array[mid_index]:
            min_index = mid_index
        else:
            max_index = mid_index
    if array[max_index] == target_value:
        return max_index
    elif array[min_index] == target_value:
        return min_index
    else:
        return -1
if __name__ == '__main__':
    a = [1,4,3,9,7,8,11,5]
    target_value = 11
    quicksort(a,0,7)
    for i in xrange(len(a)):
        index = bisearch(a, target_value-a[i])
        if index is not -1 and index is not i:
            print a[i],a[index]
            break

执行结果
3 8

(b) 首先对数组进行快排,时间复杂度为O(Nlog2N).
然后令i=0,j=n1.看arr[i]+arr[j]是否等于Sum,如果是,则结束,否则,如果和小于Sum,则i=i+1;如果大于Sum,则j=j-1。只要遍历一次就可以得到最后结果,时间复杂度为O(N),总的时间复杂度为 O(Nlog2N).

利用python实现如下

if __name__ == '__main__':
    a = [1,4,3,9,7,8,11,5]
    target_value = 11
    quicksort(a,0,7)
    i = 0
    j = len(a)-1
    while i < j:
        sum = a[i]+a[j]
        if sum is target_value:
            print a[i],a[j]
            break
        elif sum > target_value:
            j = j - 1
        else:
            i = i + 1

(c)利用hash表,给定一个hash映射查找另一个数字是否在数组中,只需要用O(1)的时间,总体时间可以降低到O(N),但需要额外增加O(N)的hash存储空间。

2. 一个4*5的棋盘,在左下的格移动到右上的格 ,求有多少种移动方法。

(a) 用数学解法,从左下角走到右上角一共需要3(up)+4(right)=7步,7步中任意选择3步up有多少种走法就是一共的走法,C37=35.

(b) 动态规划,f(m,n)表示从坐标(0,0)移动到(m,n)所需的方法,则
f(m,n)=f(m1,n)+f(m,n1)
f(0,1)=1
f(1,0)=1
利用Python写成递归

def n_move(m,n):
    if m is 0 or n is 0:
        return 1
    else:
        return n_move(m-1,n) + n_move(m,n-1)

if __name__ == '__main__':
    print n_move(3,4)

输出 35

(c)数学题. 甲、乙两人轮流掷一颗骰子,甲先掷.每当某人掷出1点时,则交给对方掷,否则此人继续掷,试求第n次由甲掷的概率
设f(n)为由甲掷的概率,则
f(n)=56f(n1)+16(1f(n1))
f(n)=23f(n1)+16
f(n)12=23(f(n1)12)
f(n)=12+(23)n1(f(1)12)
f(n)=1
f(n)=12+12(23)n1

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
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