构造数组MaxTree、环形单链表的约瑟夫问题等总结

本文介绍了如何使用栈和双端队列实现特定数组操作,包括构造MaxTree及寻找符合条件的子数组数量,并展示了环形单链表解决约瑟夫问题的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.构造数组的MaxTree
定义二叉树节点如下:
public class Node{
public int value;
public Node left;
public Node right;

public Node (int data){
this.value = data;
}
}
一个数组的MaxTree定义如下:
数组必须没有重复元素,MaxTree是一棵二叉树,数组的每一个值对应一个二叉树的节点,包括MaxTree树在内且在其中的每一棵子树上,值最大的节点都是树的头。给定一个没有重复元素的数组arr,写出生成这个数组的MaxTree的函数,要求如果数组长度为N,则时间复杂度为O(N),额外空间复杂度为O(N)
思路:找一个数左边离它最近的比它大的,还有右边一个比他大的,即可实现MaxTree。建立一个大底栈,对于任何一个数,当它从栈中弹出时,当前将要入栈的数是弹出的数的右边离他最近的比他大的数,而它栈中下面的数是离他最近的左边比他大的数



2.最大值减去最小值小于或等于num的子数组数量
给定数组arr和整数num,共返回有多少个子数组满足以下情况:
max(arr[i...j]) - min(arr[i...j]) <= num
max(arr[i...j])表示子数组arr[i...j]中的最大值,min(arr[i...j])表示子数组arr[i...j]中的最小值
要求:如果数组长度为N,求实现时间复杂度为O(N)的解法
建立一个双端队列,用于求出最大值和最小值,有两个指针,都从数组头开始向右滑动,维持一个递增的队列,此队列中存储的是数组的下标。如果队列右边比现在队尾小的话,依次将队列中的尾部从右弹出,直到可以将当前值右侧入队。

当队列右边界在向右移动时,队列中的最大值只可能越来越小,左边界在向右移动时,队列中的最小值越来越大。

public static int getNum(int[] arr, int num){
	if(arr == null || arr.length == 0){
		return 0;
	}
	LinkedList<Integer> qmin = new LinkedList<Integer>();
	LinkedList<Integer> qmax = new LinkedList<Integer>();
	int i = 0;
	int j = 0;
	int res = 0;
	while(i < arr.length){
		while(j < arr.length){
			while(!qmin.isEmpty() && arr[qmin.peekLast()] >= arr[j]){
				qmin.pollLast();
			}
			qmin.adList(j);
			while(!qmax.isEmpty() && arr[qmax.peekLast()] <= arr[j]){
				qmax.polLast();
			}
			qmax.addLast(j);
			if(arr[qmax.getFirst()] - arr[qmin.getFirst()] > num){
				break;
			}
			j++;
		}
		if(qmin.peekFirst() == i){
			qmin.pollFirst();
		}
		res += j - i;
		i++;
	}
	return res;
}

3.环形单链表的约瑟夫问题
41个人围成一个环,由第一人开始报数,报到3的人即自杀,然后再由下一任重新报1,报到3的人再自杀,依次类推,直到剩下最后一个人。现用单向环形链表描述该结构并呈现整个自杀过程
输入:一个环形单向链表的头节点head和报数的值m
返回:最后生存下来的节点,且这个节点自己组成环形单向链表,其他节点都删除
要求:如果链表节点数为N,实现时间复杂度为O(N)的解法

public static Node josephusKill(Node head, int m){
	if(head == null || head.next == head || m < 1){
		return head;
	}
	Node cur = head.next;
	int tmp = 1;  //ListSize
	while(cur != head){
		tmp++;
		cur = cur.next;
	}
	tmp = getLive(tmp, m);
	while(--tmp != 0){
		head = head.next;
	}
	head.next = head;
	return head;
}
public static int getLive(int i, int m){
	if(i == 1){
		return 1;
	}
	return (getLive(i - 1, m) + m - 1) % i + 1;
}
public static void printCircularList(Node head){
	if(head == null){
		return;
	}
}


资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
内容概要:本文详细介绍了哈希表及其相关概念和技术细节,包括哈希表的引入、哈希函数的设计、冲突处理机制、字符串哈希的基础、哈希错误率分析以及哈希的改进与应用。哈希表作为一种高效的数据结构,通过键值对存储数据,能够快速定位和检索。文中讨论了整数键值和字符串键值的哈希方法,特别是字符串哈希中的多项式哈希及其优化方法,如双哈希和子串哈希的快速计算。此外,还探讨了常见的冲突处理方法——拉链法和闭散列法,并提供了C++实现示例。最后,文章列举了哈希在字符串匹配、最长回文子串、最长公共子字符串等问题中的具体应用。 适合人群:计算机科学专业的学生、算法竞赛选手以及有一定编程基础并对数据结构和算法感兴趣的开发者。 使用场景及目标:①理解哈希表的工作原理及其在各种编程任务中的应用;②掌握哈希函数的设计原则,包括如何选择合适的模数和基数;③学会处理哈希冲突的方法,如拉链法和闭散列法;④了解并能运用字符串哈希解决实际问题,如字符串匹配、回文检测等。 阅读建议:由于哈希涉及较多数学知识和编程技巧,建议读者先熟悉基本的数据结构和算法理论,再结合代码实例进行深入理解。同时,在实践中不断尝试不同的哈希策略,对比性能差异,从而更好地掌握哈希技术。
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