【LeetCode】two_sum

本文分享了一种使用Java解决“两数之和”问题的方法,通过哈希表(HashMap)来快速查找目标值,降低了时间复杂度。此外,还对比了简单双层循环的方法,并介绍了Integer与int的区别。

写在前面:

       之前因为项目、课程各种原因,偷懒了很久,现在基本大作业结束了,过一段时间要去实习了,所以一定一定要坚持继续刷题,本来是习惯cpp的,后来因为很多课程用到java,找实习也发现java工程师的需求大过cpp开发工程师,所以转用java了,几乎是从头开始,一定要坚持,一定要加油!

题目:

思路:

方法1:简单的两层循环,找到nums[i] + nums[j] = target 的 i 和 j 值,返回即可。

方法2:用map,通过寻找对应key值的value,及对应值的坐标(索引index)

    这里有一个介绍基础的hashmap操作的博客:

        https://blog.youkuaiyun.com/jinqianwang/article/details/80030939

【备注:这里要注意Integer和int是不同的】

    Integer和string其实是类似的,都是继承了object 的类,存储在栈中,通过赋初值就可以发现他们的区别

        int a = 5;

        Integer b = new Integer(10);

OK,接下来是代码:

public class Two_sum_1 {
	public static int[] twoSum(int[] nums,int target) {
//		时间复杂度为O(n)
		Map<Integer,Integer> map = new HashMap<>();
		for(int i = 0 ; i < nums.length ; i++){
			Integer index = map.get(target - nums[i]);
			if(index == null){
				map.put(nums[i], i);
			}else{
				return new int[]{i,index};
			}
		}
		return new int[]{0,0};
//		普通实现方法,时间复杂度是O(n2)
//		int[] res = new int[2];
//		for(int i = 0;i < nums.length;i++){
//			for(int j = i+1; j < nums.length; j++){
//				if(nums[i] + nums[j] == target)
//					return new int[]{i,j};
//			}
//		}
//		return res;
	}
	public static void main(String[] args){
		int[] nums = new int[]{1,3,4,8,5};
		int target = 8;
		int[] res;
		res = twoSum(nums,target);
		for(int i = 0; i < res.length;i++)
			System.out.println(res[i]);
	}
}


源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
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