两数相加浅析

本文探讨了LeetCode上的一道简单算法题,主要涉及两种解法:无脑for循环和哈希表。for循环解法效率较低,而哈希表通过预处理构建索引,实现快速查找,提高了算法效率。适合初级算法学习者参考。

前言

这是一道 LeetCode 简单题。下面我们简单的做一下,算法萌新,欢迎大佬提供更好的解决思路。

无脑for循环

思路

通过双重循环,进行逐一比较
当他们其中某个值相加等于 target 时,直接返回对应的下标 i, j

function twoSum(nums, target) {
  for(let i = 0; i < nums.length - 1; i++) {
    for(let j = i + 1; j < nums.length; j++) {
      if(nums[i] + nums[j] === target) return [i, j]
    }
  }
}

hash表

思路

建立一个哈希索引表,里面保存 key 为它的值,value 为对应的下标
通过使用 target - 当前遍历项的值,得出需要匹对的值
此时进入哈希表中,看看是否有这个差值
如果有则表示匹对,返回改匹对的下标,以及当前遍历的下标
没有则将当前遍历的 值 和 下标保存到哈希表中

function twoSum(nums, target) {
  const hash = {}
  for (let i = 0; i < nums.length; i++) {
    const reduce = target - nums[i]
    if (hash[reduce] !== undefined) return [i, hash[reduce]]
    else hash[nums[i]] = i
  }
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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