二分思想的简单应用 ACwing7890.数的范围

本文介绍了如何使用二分查找算法解决寻找数组中特定数字下标范围的问题,通过不断更新边界并判断中间值来定位范围。特别强调了边界特判和左右边界查找的过程。

原题链接:

https://www.acwing.com/problem/content/791/icon-default.png?t=M1L8https://www.acwing.com/problem/content/791/二分的思想很简单

就是不断的更新满足条件的数组的边界,来达到查找满足条件的数组的下标范围

对于本题来说就是找寻询问数字的下标范围

这里我们先找左边界

		int l=0,r=n-1;
         while(l<r)
		{
			int mid=l+r >> 1;
			if(a[mid]>=k) r=mid; 
			else l=mid +1;
		}

从整段的区间开始查找

当mid值大于等于k值时,则满足条件的数就在[l,mid]之间,更新右端点为mid;

反之则满足条件的数在[mid+1,r]之间,则更新左端点为mid+1;

循环到最后找到的l和r肯定是相等的,并且l下标对应的是第一个满足条件的数的下标;

输出l即为左端点;

注意:此处需特判不存在的情况,即判断一下l或r下标所对应的数与k是否相等即可

右端点同理

放出全代码

#include <bits/stdc++.h>

using namespace std;
const int N =1e5+10;

int n,q;
int a[N];
int main ()
{
	cin >> n >> q;
	for(int i=0;i<n;i++){
		cin >> a[i];
	}
	while(q--){
		int k;cin >> k;
		int l=0,r=n-1;
		while(l<r)
		{
			int mid=l+r >> 1;
			if(a[mid]>=k) r=mid;
			else l=mid +1;
		}
		if(a[l]!=k) cout << "-1 -1" << endl;
		else {
			cout << l << " ";
			l=0,r=n-1;
			while(l<r)
			{
				int mid=l+r+1 >> 1;
				
				if(a[mid] <=k) l=mid;
				else r=mid-1;
			}
			cout << l << endl;
		}	
	}
	return 0;
}

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(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 据准备:导入据,随机打乱,划分训练集和测试集(默认7:3)。 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。 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
二维差分是一种常用的据结构和算法巧,用于高效地处理二维矩阵区间的更新和查询操作。它可以在O(1)的时间复杂度内完成区间的更新和查询操作,相比传统的暴力遍历方法,具有更高的效率。 二维差分的基本思想是将原始矩阵转化为一个差分矩阵,差分矩阵中的每个元素表示原始矩阵中相邻元素之间的差值。通过对差分矩阵进行预处理,可以实现对原始矩阵区间的更新和查询操作。 具体来说,二维差分的操作包括两个步骤:预处理和操作。预处理阶段,需要根据原始矩阵构建差分矩阵;操作阶段,可以通过对差分矩阵的更新来实现对原始矩阵区间的更新,同时可以通过对差分矩阵的求和来实现对原始矩阵区间的查询。 下面是二维差分的基本操作: 1. 构建差分矩阵:对于原始矩阵A,构建一个差分矩阵B,其中B[i][j] = A[i][j] - A[i-1][j] - A[i][j-1] + A[i-1][j-1]。 2. 区间更新:对于原始矩阵A的一个区间[left, right] x [top, bottom],将差分矩阵B的相应位置进行更新,即B[left][top] += val,B[right+1][top] -= val,B[left][bottom+1] -= val,B[right+1][bottom+1] += val。 3. 区间查询:对于原始矩阵A的一个区间[left, right] x [top, bottom],通过求和差分矩阵B的相应位置得到区间和,即sum = B[right][bottom] - B[left-1][bottom] - B[right][top-1] + B[left-1][top-1]。 二维差分可以广泛应用于各种算法问题,例如矩阵区间求和、矩阵区间更新等。它的时间复杂度较低,适用于处理大规模的据。
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