Leetcode算法入门第三天

本文介绍了解决“两数之和II-输入有序数组”及“移动零”两个经典算法问题的方法。针对“两数之和II”,提出了二分查找与双指针两种高效算法;对于“移动零”问题,则采用双指针技巧实现原地操作。

167 两数之和 II - 输入有序数组

题目

给定一个已按照 升序排列 的整数数组 numbers ,请你从数组中找出两个数满足相加之和等于目标数 target

函数应该以长度为 2 的整数数组的形式返回这两个数的下标值*。*numbers 的下标 从 1 开始计数 ,所以答案数组应当满足 1 <= answer[0] < answer[1] <= numbers.length

你可以假设每个输入只对应唯一的答案,而且你不可以重复使用相同的元素。

示例 1:

输入:numbers = [2,7,11,15], target = 9
输出:[1,2]
解释:2 与 7 之和等于目标数 9 。因此 index1 = 1, index2 = 2 。

示例 2:

输入:numbers = [2,3,4], target = 6
输出:[1,3]

示例 3:

输入:numbers = [-1,0], target = -1
输出:[1,2]

提示:

  • 2 <= numbers.length <= 3 * 104
  • -1000 <= numbers[i] <= 1000
  • numbers递增顺序 排列
  • -1000 <= target <= 1000
  • 仅存在一个有效答案

思路一:二分查找

两数之和常规做法通过确定第一个数,然后遍历数组后续数来找到另外一个数的下标,这里题目有个关键点“升序排列”,所以第一个数后续的数组可以通过二分法查找,减少运行复杂度。

时间复杂度:O(nlogn)

空间复杂度:O(1)

class Solution
{
public:
    vector<int> twoSum(vector<int> &numbers, int target)
    {
        int rest = 0;
        int mid = 0;
        int low, high;
        for (int i = 0; i < numbers.size() - 1; i++)
        {
            rest = target - numbers[i];
            low = i + 1;
            high = numbers.size() - 1;
            while (low <= high)
            {
                mid = low + (high - low) / 2;
                if (numbers[mid] == rest)
                    return {i + 1, mid + 1};
                else if (numbers[mid] < rest)
                    low = mid + 1;
                else
                    high = mid - 1;
            }
        }
        return {-1, -1};
    }
};

思路二:双指针

数组“升序排列”,通过两个指针分别指向最大和最小,有以下三种情况:

  • 和<target:小指针向右,和增大
  • 和>target:大指针向左,和减小
  • 和=target:返回结果

时间复杂度:O(n)

空间复杂度:O(1)

class Solution
{
public:
    vector<int> twoSum(vector<int> &numbers, int target)
    {
        int low = 0, high = numbers.size() - 1;
        int sum;
        while (low < high)
        {
            sum = numbers[low] + numbers[high];
            if (sum == target)
                return {low + 1, high + 1};
            else if (sum < target)
                low++;
            else
                high--;
        }
        return {-1, -1};
    }
};

283 移动零

题目:

给定一个数组 nums,编写一个函数将所有 0 移动到数组的末尾,同时保持非零元素的相对顺序。

示例:

输入: [0,1,0,3,12]
输出: [1,3,12,0,0]

说明:

  1. 必须在原数组上操作,不能拷贝额外的数组。
  2. 尽量减少操作次数。

思路一:双指针

设置两个指针,一个表示要插入的位置,一个表示选择的数组元素,对于选择元素有以下操作:

  • 零:选择指针后移
  • 非零:和插入位置交换

时间复杂度:O(n)

空间复杂度:O(1)

class Solution
{
public:
    void moveZeroes(vector<int> &nums)
    {
        int pivot = 0, insert = 0;
        int n = nums.size();
        for (int i = 0; i < n; i++)
        {
            if(nums[pivot]){
                swap(nums[insert], nums[pivot]);
                insert++;
            }
            pivot++;
        }
    }
};
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
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