Leetcode - Next Permutation

本文介绍了使用Java实现的一种改进的全排列算法,通过优化关键步骤显著提高效率。

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

public class Solution {
    public void nextPermutation(int[] num) {
        int i = num.length - 2;
if (i < 0)
return;

while (i > 0) {
if (num[i] < num[i+1]) {
break;
}
i--;
}

int pivot = num[i];
int j = num.length - 1;
while (num[j] <= pivot && i != j)
j--;
if (i == 0 && j == 0) {
reverseArray(0, num.length - 1, num);
return;
}
int temp = num[j];
num[j] = num[i];
num[i] = temp;
reverseArray(i + 1, num.length - 1, num);
}
private void reverseArray(int start, int end, int[] a){
int mid = (end + start)/2;
if(start+1==end){
int t= a[start];
a[start]=a[end];
a[end] =t;
}else
for(int k=start; k<=mid; k++)
{
int temp = a[k];
a[k] = a[end-k+start];
a[end-k+start] = temp;
}
}
}

----------------------------

Hint: 1.要知道原理

2.不知道reverse 数组,有没有什么快捷的方法。。。。。不知道交换数组中2个元素,有没有快捷的方法。我用的都是很基本的方法。


改了一下,意思一样,代码简洁了一些:


public class Solution {
    public void nextPermutation(int[] num) {
		int pivot = 0;
		for (int i = num.length - 2; i >= 0; i--) {
			if (num[i] < num[i + 1]) {
				pivot = i;
				break;
			}
		}

		int j = num.length - 1;
		while (j != pivot && num[j] <= num[pivot])
			j--;

		if (j <= 0) {
			reverseStringArray(num, 0, num.length - 1);
		} else {
			int c = num[pivot];
			num[pivot] = num[j];
			num[j] = c;
			reverseStringArray(num, pivot + 1, num.length - 1);
		}
	}

	private static void reverseStringArray(int[] s, int start, int end) {
		for (int i = start; i < (start + end+1) / 2; i++) {
			int c = s[i];
			s[i] = s[end  - (i - start)];
			s[end  - (i - start)] = c;
		}
	}
}



内容概要:该论文聚焦于6G通信中20-100GHz频段的电磁场(EMF)暴露评估问题,提出了一种基于自适应可重构架构神经网络(RAWA-NN)的预测框架。该框架通过集成权重分析模块和优化模块,能够自动优化网络超参数,显著减少训练时间。模型使用70%的前臂数据进行训练,其余数据用于测试,并用腹部和股四头肌数据验证模型泛化能力。结果显示,该模型在不同参数下的相对差异(RD)在前臂低于2.6%,其他身体部位低于9.5%,可有效预测皮肤表面的温升和吸收功率密度(APD)。此外,论文还提供了详细的代码实现,涵盖数据预处理、权重分析模块、自适应优化模块、RAWA-NN模型构建及训练评估等内容。 适合人群:从事电磁兼容性研究、6G通信技术研发以及对神经网络优化感兴趣的科研人员和工程师。 使用场景及目标:①研究6G通信中高频段电磁暴露对人体的影响;②开发更高效的电磁暴露评估工具;③优化神经网络架构以提高模型训练效率和预测精度。 其他说明:论文不仅提出了理论框架,还提供了完整的代码实现,方便读者复现实验结果。此外,论文还讨论了未来的研究方向,包括扩展到更高频段(如300GHz)的数据处理、引入强化学习优化超参数、以及实现多物理场耦合的智能电磁暴露评估系统。建议读者在实际应用中根据具体需求调整模型架构和参数,并结合真实数据进行验证。
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