二分查找

一.概述

二分查找也是面试中问的比较多的,虽然不是很难,但是要想一次正确写出来可不容易,下面我们一起来看看。

二.实现

/**
     * 
     * @param arr 要查找的数组,必须是有序的
     * @param a 要查找的元素
     * @return 元素所在的位置
     */
    public int binarySearch(int[] arr, int a){
        int min = 0;//初始左边界
        int max = arr.length-1;//初始右边界
        //判断条件为左边界不大于右边界
        while(min<=max){
            //每次查找都要改变中间元素的位置
            int mid = (min+max)>>1;
            if(arr[mid]>a){//中间元素大于要查找的元素,那么右边界就是中间元素的左边位置
                max = mid - 1 ;
            }else if(arr[mid]<a){//中间元素小于要查找的元素,那么左边界就是中间元素的右边位置
                min = mid + 1 ;
            }else {
                return mid;//中间元素正好等于要查找的元素,返回位置
            }
        }
        return -1;//没有找到,返回-1
    }
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