剑指11 -旋转数字

三种查找写法及时间复杂度
博客介绍了三种查找写法,分别是遍历、二分查找以及减少特例的二分查找,并给出了相应的时间复杂度,遍历为O(n),二分查找为O(logn)。

写法1:遍历

时间复杂度:O(n)O(n)O(n)

写法2: 二分查找

时间复杂度:O(logn)O(log n)O(logn)

int MinInOrder(vector<int>& numbers, int left, int right){
	//顺序查找[left, right)中的最小值
    int res = numbers[left];
    for(int i= left+1; i<=right; i++){
        if(res>numbers[i]) res = numbers[i];
    }
    return res;
}


int minArray(vector<int>& numbers) {
    int left = 0;
    int right = numbers.size()-1;
    int mid;
    if(numbers[left]<numbers[right]) return numbers[0]; //特殊情况1: 已排序,最小值为numbers[0]
    
    while(numbers[left]>=numbers[right]){
        if(right-left==1){ //特殊情况2: right-left=1 参见样例[3,5,1,2]
            return min(numbers[left], numbers[right]);
        }
            mid = (left+right)/2;
            //特殊情况3 : 参见样例:[1,0,1,1,1]
            if(numbers[left]==numbers[right]&&numbers[left]==numbers[mid]) return MinInOrder(numbers, left, right);
            else if(numbers[mid]>=numbers[left]) left=mid;
            else if(numbers[mid]<=numbers[right]) right=mid;
        }
        return numbers[mid];

}

写法3:二分查找,减少特例

在这里插入图片描述

int minArray(vector<int>& numbers) {
    int left = 0;
    int right = numbers.size()-1;
    int mid;
    if(numbers[left]<numbers[right]) return numbers[0];
    while(left<right){
        mid=(left+right)/2;
        if(numbers[mid]>numbers[right]) left=mid+1;
        else if(numbers[mid]<numbers[right]) right=mid;
        else right--;
    }
    return numbers[left];
}
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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