Leetcode 67. Add Binary

本文详细介绍了两种实现二进制数相加的算法,包括逆序字符串处理和双指针策略,通过实例展示了如何在不同长度的二进制字符串中正确处理进位,最终得到正确的二进制和。

文章作者:Tyan
博客:noahsnail.com  |  优快云  |  简书

1. Description

Add Binary

2. Solution

  • Version 1
class Solution {
public:
    string addBinary(string a, string b) {
        reverse(a.begin(), a.end());
        reverse(b.begin(), b.end());
        int min = 0;
        int max = 0;
        int carry = 0;
        string s;
        string result;
        if(a.length() > b.length()) {
            max = a.length();
            min = b.length();
            s = a;
        }
        else {
            max = b.length();
            min = a.length();
            s = b;
        }
        for(int i = 0; i < min; i++) {
            int x = a[i] - 48;
            int y = b[i] - 48;
            int sum = x + y + carry;
            result += to_string(sum % 2);
            carry = sum>1?1:0;
        }
        for(int i = min; i < max; i++) {
            int x = s[i] - 48;
            int sum = x + carry;
            result += to_string(sum % 2);
            carry = sum>1?1:0;
        }
        if(carry) {
            result += to_string(carry);
        }
        reverse(result.begin(), result.end());
        return result;
    }
};
  • Version 2
class Solution {
public:
    string addBinary(string a, string b) {        
        int i = a.length() - 1;
        int j = b.length() - 1;
        int carry = 0;
        string result;
        while(i >= 0 || j >= 0) {
            int x = i>=0?(a[i]-48):0;
            int y = j>=0?(b[j]-48):0;
            int sum = x + y + carry;
            result += to_string(sum % 2);
            carry = sum>1?1:0;
            i--;
            j--;
        }
        if(carry) {
            result += to_string(carry);
        }
        reverse(result.begin(), result.end());
        return result;
    }
};

Reference

  1. https://leetcode.com/problems/add-binary/description/
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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