week_6_ 3Sum

本文详细解析了经典的三数之和问题,通过转化成两数之和问题并结合排序和去重技巧来高效求解。算法实现了找到数组中所有唯一三元组使三数之和为零。

Description

Given an array S of n integers, are there elements a, b, c in S such that a + b + c = 0? Find all unique triplets in the array which gives the sum of zero. Note: The solution set must not contain duplicate triplets.
For example: given array S = [-1, 0, 1, 2, -1, -4], A solution set is: [ [-1, 0, 1],  [-1, -1, 2] ]

Solution

对于三个数之和a + b + c = 0形式转化为a + b = -c, 从而规约为week_1的两数和问题。

解决问题的思路如下:

① 首先对输入的vector数组按从小到大进行排序, 时间复杂度为O(nlogn)。

② 对输入进行进一步预处理, 可以在O(n)的时间复杂度内对数组元素进行去重, 并对出现次数进行统计。

③ 为后续算法中快速对相应元素进行检索, 以(元素值, 出现次数)为键值对在map中进行存储。

④ 对去重的有序结构体数组进行二重遍历:

i. 第一重循环对元素c进行选定, 以-c为两数和target, 同时在map中对相应元素的计数器减1。

ii. 第二重循环从第一重循环的下标开始遍历, 选定当前元素current, 同时对complete = target - current进行计算。对current计数器进行检查, 若计数器大于0, 且current <= complete,进一步处理如下:

a. current计数器减1。

b. 对map进行检查, 如果complete存在于map且相应的计数器大于0, 将[-target, current, complete]加入结果数组

c. current计数器加1.

iii. 元素c的计数器加1, 返回i。

解释:

i. 第二重循环之所以要从第一重循环下标开始, 且current计数器要大于0, 是因为输入中可能存在[0, 0, 0]的情况, 其在新结构体数组中仅对应{0, 3}一项。

ii. 要求current <= complete是防止相同的三元组被重复存储, 如输入[-1, 0, 1], -1为c元素, 0为current 与 0为c元素, 1为target这两种情况对应的三元组是相同的。由于数组从小到大排序, 满足current > complete的情况(c, a, b)必然在先遍历到b的时候,即以b为current时就以(c, b, a)的形式存入result返回值数组了。 

整个算法的实现如下:

//适合处理的结构体
struct element {
	int val;
	int count;
	//构造函数
	element(int _val, int _count) {
		val = _val;
		count = _count;
	}
};

//将threeSum:a + b + c = 0转化为a + b以-c为target的twoSum问题
vector<vector<int>> threeSum(vector<int>& nums) {
	//首先对nums进行排序
	sort(nums.begin(), nums.end());
	//对相同元素进行合并,并且对重复次数进行统计
	vector<element> input;
	//初始化第一个元素
	element begin(nums[0], 1);
	input.push_back(begin);
	//计数器
	int inputIndex = 0, numsIndex = 1;

	while (numsIndex < nums.size()) {
		if (nums[numsIndex] == nums[numsIndex - 1])
			input[inputIndex].count++;
		else {
			element newElement(nums[numsIndex], 1);
			input.push_back(newElement);
			inputIndex++;
		}
		numsIndex++;
	}
	
	//初始化Map
	map<int, int> countMap;
	for (int i = 0; i < input.size(); i++)
		countMap[input[i].val] = input[i].count;

	//返回值
	vector<vector<int>> result;
	//处理
	for (int i = 0; i < input.size(); i++) {
		int target = -input[i].val;
		//计数器-1
		countMap[-target]--;
		//TwoSum问题
		for (int j = i; j < input.size(); j++) {
			int current = input[j].val;
			int complete = target - current;
			if (countMap[current] > 0 && current <= complete) {
				//计数器-1
				countMap[current]--;
				if (countMap.find(complete) != countMap.end() && countMap[complete] >= 1) {
					vector<int> triplet(3);
					triplet[0] = -target;
					triplet[1] = current;
					triplet[2] = complete;
					result.push_back(triplet);
				}
				countMap[current]++;
			}
		}
		countMap[-target]++;
	}	
	return result;
}

在leetcode上提交结果如下:


虽然Ac了, 但是可以看到可以说是非常拙劣的算法了, 希望有时间可以继续思考学习和改进。


``` {动态估值体系优化} DYNPETTM := IF(FINANCE(33)/FINANCE(1) > 0.0001, CLOSE/(FINANCE(33)/FINANCE(1)), 1000); PEG_VAL := DYNPETTM/MAX(FINANCE(54)/FINANCE(34)*100, 0.0001); {行业动量优化} EMA_CMOM := EMA(C/REF(C,21), 63); IND_MOM := (SUM(EMA_CMOM < REF(EMA_CMOM,1), 250) + 1.0)/COUNT(EMA_CMOM > 0, 250); IND_MOM_FLT := IND_MOM > 0.9; {资金流模型强化} L2_M_BUY_SUM := L2_MAIN_BUY_SUM; {缩短后的别名} L2_M_SELL_SUM := L2_MAIN_SELL_SUM; {缩短后的别名} CASH_RATIO := SUM(L2_M_BUY_SUM,5)/SUM(L2_M_SELL_SUM,5); IND_CASH := (SUM(CASH_RATIO < REF(CASH_RATIO,1), 250) + 1.0)/COUNT(CASH_RATIO > 0, 250); IND_CASH_FLT := IND_CASH > 0.95; {波动率自适应优化} VIX := STD(INDEXC,63)/MA(INDEXC,63); VAR_PERIOD := CEILING(21 * POW(1 + VIX/REF(MA(VIX,240),1), 1.5)); FAST_LEN := CEILING(VAR_PERIOD*0.5); SLOW_LEN := FLOOR(VAR_PERIOD*2.0); {市场情绪复合指标} MARKET_SENTI := EMA(ADVANCE/DECLINE,5)*0.5 + EMA(SUM(IF(C=ZTPRICE(REF(C,1),0.1),VOL,0),63)/MA(VOL,63),13)*0.3 + EMA((L2_MAIN_BUY - L2_MAIN_SELL)/CAPITAL,5)*0.2; {月线趋势优化} MONTH_MA := DEMA(C, VAR_PERIOD); MONTH_TREND := C > MONTH_MA*1.02 AND SLOPE(MONTH_MA,5) > 0.5 AND IND_MOM_FLT; {周线动量增强} WEEK_DIF := EMA(C,84) - EMA(C,168); WEEK_DEA := EMA(WEEK_DIF,63); WEEK_MACD := 2*(WEEK_DIF - WEEK_DEA); WEEK_VOL := EMA(VOL,5) > EMA(VOL,21)*2.0 AND VOL > REF(MA(VOL,5),1)*3 AND IND_CASH_FLT; {主力波段优化} MAIN_WAVE := COUNT(C>MA(C,21),5)=5 AND EVERY(VOL>MA(VOL,63)*2.0,3) AND SLOPE(EMA(VWAP,89),5) > 1.2; DAY_BREAK := C > HHV(H,63) AND VOL > MA(VOL,42)*3 AND (L2_MAIN_BUY - L2_MAIN_SELL) > VOL*0.5; DAY_RSI := RSI(C,13) > 65 AND RSI(C,21) > RSI(C,34) + 10; {分钟周期优化} MIN60_BREAK := CROSS("#MIN60.C", "#MIN60.HHV(H,63)") AND "#MIN60.VOL" > MA("#MIN60.VOL",42)*2.5 AND "#MIN60.L2_MAIN_BUY" > "#MIN60.L2_MAIN_SELL"*1.8; {最终信号合成} BUY_SIGNAL := MONTH_TREND AND WEEK_VOL AND MAIN_WAVE AND (DAY_BREAK OR MIN60_BREAK) AND MARKET_SENTI > REF(MARKET_SENTI,3)*1.1 AND PEG_VAL < 0.8;```你的身份是高级编程技术专家,精通各类编程语言,能对编程过程中的各类问题进行分析和解答。我的问题是【我正在编辑【通达信条件选股】代码,遇到了 【 {资金流模型强化} L2_M_BUY_SUM := L2_MAIN_BUY_SUM 详细信息 : 未知字符串 错误起始位置 : 374 ; 长度: 15 】,请帮我检查并改正错误点补全正确代码,生成修正后完整代码。原有选股逻辑完整保留。
03-27
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