求子数组的和最接近特定值

C++数组与哈希思想实战:从余数统计到算法优化 在计算机科学中,数组是最基础的数据结构之一,它通过连续内存存储和索引访问,为数据组织提供了高效支持。其核心原理是利用下标实现O(1)时间的随机访问,这奠定了高效算法的基础。当面对数据统计、去重或状态映射问题时,直接使用数组下标作为键进行标记,是一种经典的“空间换时间”策略,能极大提升程序性能。哈希表(如C++中的unordered_set)进一步泛化了这一思想,通过哈希函数将任意键映射到固定位置,实现了平均O(1)的查找与插入,成为处理大规模数据去重和统计的利器。这些技术在算法竞赛和工程实践中应用广泛,例如 阅读详情

昨天写了关于子数组的和等于特定值的算法。今天和大家分享求子数组的和最接近特定值,和等于特定值的区别在于只是建树的过程不太一样。需要插入,每个节点的时候记录与当前节点最接近的节点,并且将差值保存起来。差值越小说明越接近特定值。

struct Node{
	Node* left;
	Node* right;
	int value;
	int pos;
};
int g_min = -1;
int g_start=0;
int g_end =0;
Node* Left = NULL;
Node* Right =NULL;

bool InsertNode(Node* root, int value, int pos, int& start, int& end)
{
	if(NULL == root)
	{
		return false;
	}
	if(root->value = value)
	{
		start = pos;
		end = pos;
		return true;
	}
	
	while(NULL != root)
	{
		if(root->value == value)
		{
			if(root->pos < pos)
			{
				start = root->pos;
				end = pos;
			}
			else
			{
				end = root->pos;
				start = pos;
			}
			return true;
		}
		else if(root->value < value)
		{
			if(root->right)
			{
				Left = root;
				root = root->right;
			}
			else
			{
				
				if( value - Left->value < Right->value - value)
				{
		
					if(value - Left->value < g_min || g_min == -1)
					{
						g_min = value - Left->value;
						if(Left->pos < pos)
						{
							start = Left->pos;
							end = pos;
						}
						else
						{
							end = Left->pos;
							start = pos;
						}
					}
				}
				else
				{
					
					if(value - Right->value < g_min || g_min == -1)
					{
						g_min = value - Right->value;
						if(Right->pos < pos)
						{
							start = Right->pos;
							end = pos;
						}
						else
						{
							end = Right->pos;
							start = pos;
						}
					}
				}
				
				Node* newNode = new Node;
				newNode->pos = pos;
				newNode->value = value;
				root->right = newNode;
				return false;
			}
		}
		else
		{
			if(root->left)
			{
				Right = root;
				root = root->left;
			}
			else
			{
				Node* newNode = new Node;
				newNode->pos = pos;
				newNode->value = value;
				root->left = newNode;
				return false;
			}
		}
	}
	return false;
}
void FindSubArrayEqValue(int* A, int length, int S,int& start, int& end)
{
	if(length < 1 || NULL == A)
	{
		start = -1;
		end = -1;
		return;
	}
	if(length ==1)
	{
		start = 0;
		end = 0;
	}
	int* SUM = new int[length];
	SUM[0] = A[0];
	for(int i = 1; i < length; ++i)
	{
		SUM[i] = SUM[i - 1] + A[i];
	}
	Node* root = new Node;
	root->pos = -1;
	root->value = 0;
	for(int i = 0; i < length; ++i)
	{
		if(InsertNode(root,SUM[i] - S, i,start,end))
		{
			printf("Find sub array from %d to %d equal %d", start, end, S);
			return ;
		}
	}
	printf("Find sub array from %d to %d near %d, distance is %d", g_start,  g_end, S, g_min);
	delete []SUM;
}


 

Matlab之fdesign的应用说明 fdesign 是 MATLAB 中用于数字滤波器设计的工具(属于),它提供了一种系统化的方式来定义滤波器参数并生成相应的滤波器。指定滤波器的频率、幅度等参数。例如,设计一个低通滤波器:Fs = 1000;% 采样率 (Hz)% 通带截止频率% 阻带截止频率Apass = 1;% 通带衰减 (dB)Astop = 60;% 阻带衰减 (dB) 阅读详情

相关推荐

当 AI + 可视化融入消防:开启智能消防新时代

总结来说,AI + 可视化技术融入消防,开启了智能消防新时代。它以精准预警、高效救援和全面资源管理,革新消防工作方式。从前期规划到系统搭建,再到后期运维,每个环节都为提升消防能力奠定基础。尽管面临技术成本、数据安全和人员适应等挑战,但随着技术发展和应用推广,这些问题将逐步解决。相信在 AI + 可视化助力下,消防领域将不断进步,为人们创造更安全生活环境,有效抵御火灾威胁。

2401_87844374的博客 1223

双指针算法精讲:对撞、快慢、滑动窗口三大模式与实战

在算法与数据结构领域,优化时间复杂度是提升程序性能的核心。双指针作为一种高效的编程思想,通过两个索引或引用在数据序列上协同工作,能够将许多原本需要O(n²)暴力求解的问题,优化至O(n)的线性复杂度。其原理在于利用指针的移动规则,巧妙地刻画和简化问题逻辑,避免不必要的重复遍历,体现了“空间换时间”或“原地操作”的优化策略。这一技术在解决数组、链表和字符串相关问题时展现出极高的技术价值,尤其在处理有序数据、连续子序列以及链表特定节点定位等场景中不可或缺。具体实践中,双指针演化出对撞指针、快慢指针和滑动窗口三大

weixin_34054931的博客 424

VS2022离线环境下的NuGet包管理:从本地源到依赖项全解析

本文详细解析了在VS2022离线环境下如何高效管理NuGet包,包括搭建本地NuGet源的两种方案(本地文件夹源和私有NuGet服务器)、获取离线包的三大渠道以及依赖项处理的实战技巧。通过自动化脚本和依赖树分析工具,帮助开发者解决离线环境中的依赖项黑洞问题,提升开发效率。

5f4d3s2a1q的博客 1061

在数组中找几个数的和等于某个数[LeetCode]

首先明确一点,这个方面的问题设计到的知识点是数组的查找的问题。对于类似的这样的查找操作的具体办法就是三种解决方法: 1.暴力算法,多个for循环,很高的时间复杂度 2.先排序,然后左右夹逼,但是这样会破坏原始数组的下表 3.利用Hash表,直接定位元素,很少的时间复杂度    TwoSum 先来看看最简单的,在一个数组中找两个数的和等于某个数。 这个题目最简简单的方法就是...

weixin_34352449的博客 1094

从零搭建openEuler ARM64开发测试环境:手把手教你用libvirt+KVM配置虚拟机(含VNC远程安装)

本文详细介绍了如何在ARM64平台上从零搭建openEuler开发测试环境,涵盖libvirt和KVM配置虚拟机的完整流程,包括环境准备、存储配置、网络优化、XML配置详解以及VNC远程安装。特别针对华为欧拉(openEuler)系统进行了优化,帮助开发者快速构建高效的ARM架构虚拟化环境。

weixin_30545945的博客 587

一口气看完TransformerXL详细解释带代码一:相对位置编码

相对位置编码(Relative Position Encoding)是Transformer模型中用于捕捉序列元素间相对位置关系的一种方法,与绝对位置编码(如BERT中的固定位置嵌入)不同,它直接建模元素之间的相对距离,从而更灵活地处理长序列或不同长度的序列。1. 为什么需要相对位置编码?​。

m0_73426548的博客 1427

获取数组的子串、子序列

获取数组或字符串的子串以及子序列

freeline的博客 1838

保姆级教程:用PyTorch从零实现SDE扩散模型(附完整代码与MNIST实战)

本文提供了一份详细的PyTorch教程,指导读者从零开始实现SDE扩散模型,并附有完整的代码示例和MNIST数据集实战。通过解释随机微分方程(SDE)的核心概念、模型架构设计、训练流程实现以及采样生成过程,帮助开发者掌握扩散模型的构建与应用。

weixin_28677005的博客 269

LeetCode:560. Subarray Sum Equals K(找出数组中连续子串和等于k)

Given an array of integers and an integerk, you need to find the total number of continuous subarrays whose sum equals tok. Example 1: Input:nums = [1,1,1], k = 2 Output: 2 Note: The length of t...

zy345293721的博客 1582

QtWebApp的使用【在Qt中搭建HTTP服务器】(一)

用Qt和QtWebApp能够实现在C++中开发HTTP Web服务器应用程序。 首先,需要先安装Qt的软件开发工具包。点此下载 其次,下载最新的QtWebApp库。点此下载 下载并解压缩QtWebApp ZIP文件。你将会看到: 如何使用QtWebApp 1)将QtWebApp.zip文件解压到文件夹中,并创建一个名为“ MyFirstWebApp”的新Qt控制台项目。然后,建立如下文件结构: 2)将以下行添加到MyFirstWebApp项目的项目文件中: QT += network include(

饭的笔记本 2万+

OSNet代码解析(普通卷积,分组卷积,深度可分离卷积,OSblock组成)

文章目录普通卷积和分组卷积普通卷积和深度可分离卷积用深度可分离卷积(LightConv3x3)代替普通卷积(Conv3x3)减少参数OSBlock (bottleneck)OSNet OSNet之所以轻量(2.2M)在于网络浅,使用深度可分离卷积代替传统卷积,但是很有效 普通卷积和分组卷积 所谓分组卷积,就是右图的input features分成一组一组,如上图groups=3,那么输入的特征分成3组,每组有12/3=4的通道的特征参与输出。然后根据输出通道的维度,得到每组的输入特征要计算两次(6/3=2

Mr_DaYang的博客 9805

在一个数组中找出几个数之和为指定的数

package src;import java.util.*;public class NumberFinder { public static List findNumbers(int value, int[] array, int startPos) { List ret = new ArrayList(); int array

1996

Spring-AI 第 17 章 - 飞书机器人接入详解

✅ Stream 长连接(官方 SDK)✅ AI 对话(支持工具调用)✅ 消息接收与回复✅ 天气查询✅ 数据库查询✅ 数学计算✅ 事件去重Stream 长连接模式:使用官方 SDK 建立 WebSocket 长连接,服务器主动连接飞书,无需公网 IP消息处理流程:接收消息 → 解析内容 → AI 处理 → 回复用户AI 工具调用:接入 FunctionTools,支持天气、计算、日期、数据库查询等多种工具。

AppBlog.CN全栈架构 212

求一串数组中和为定值的最长子串

给定一串数组arr,和一个值num,求和为num的最长子串。        类似数组或者字符串的最大最小问题,往往考虑的一个方向是按照每一个下标怎么样去考虑,比如:下标为i时,以arr[i]结尾时和为num的最长子串为多少,因为最终的结果一定会以一个数组的某个数字结尾所以,所以通过这种方法最后的结果一定在其中。        接下来来考虑一个具体问题,假如此时要求和为14的最长子串,我在以ar

CongCT的博客 860

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Leetcode进阶之路——Target Sum / Maximum Sum

494. Target Sum 给定一个非负数组,只通过加法和减法,有多少个算式能够得到target sum 这里用到了一个tricks(Java (15 ms) C++ (3 ms) O(ns) iterative DP solution using subset sum with explanation): 把原数组分为两部分,一部分求和另一部分求差,则可以得到下式: ...

MaloFleur 450

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

“《编程珠玑》(第2版)第8章”:累积表和排序

  第8章课后的几道题目和解答是这样子的:   10.假设我们想要查找的是总和最接近0的子向量,而不是具有最大总和的子向量。你能设计出的最有效的算法是什么?可以应用哪些算法设计技术?如果我们希望查找总和最接近某一给定实数t的子向量,结果又将怎样?   法一:利用累积表。我们定义cumarr[i]=arr[0]+arr[0]+...+arr[i]。如果有arr[l]=arr[u](l...

152

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

倒排索引求子串

有对搜索引擎有点了解的,就应该知道倒排索引吧。不知道也不要紧,看看就行了,这种数据结构比较简单,但很实用,     这里举个例子来说明,有时候在非搜索引擎的运用中,倒排索引也能显著提高算法效率。       例. 在一串由0,1,2,3,4,5,6,7,8,9这十个字符组成的长度为n的序列中,找出各字符至少出现一次且长度最小的子串长度。 算法一:暴力     枚举一个起点一个终点,检查区

身是菩提树、心是明镜台、时时勤拂拭、莫使惹尘埃 1013

字符串相关

1、如果反斜杠后面跟着八进制数字超过3个,只有前面3个数字与\构成转义序列。 \x1234,表示的是一个16进制数字,后面跟着的数字应该是4位,超过4位的处理和八进制一样。 2、用二进制来编码字符串“abcdabaa”,需要能够根据编码,解码回原来的字符串,至少需要()长的二进制字符串。 需要对abcd进行霍夫曼编码。根据权值建立霍夫曼数,得到最优编码,编码不唯一。 3、对字符串进行全排列: 几种不同的方式? 首先整体按顺序排A,上下角标为字符串整体长度,但是可能有字母重复,一个字母重复将结果除以2,两个除

weixin_42098680的博客 549

数据结构中串的存储与KMP模式匹配算法详解

字符串是计算机科学中最基础的数据表示形式之一,广泛应用于文本处理、数据解析和网络通信等领域。其本质是一种特殊的线性表,核心在于理解其整体性操作和高效的存储管理。字符串的存储结构从定长数组到动态堆分配,再到块链式存储,各有其适用场景,而现代编程语言的标准库实现通常已做了高度优化。字符串操作的核心挑战之一是模式匹配,即在主串中定位子串,这是搜索引擎、编译器和文本编辑器等应用的关键。朴素匹配算法简单但效率较低,而KMP算法通过预处理模式串生成next数组,利用已匹配信息避免主串指针回溯,将匹配时间复杂度优化至O(

weixin_33904756的博客 805

408算法攻坚:从经典题目到实战技巧的深度解析

数据结构与算法是计算机科学的核心基础,其核心价值在于通过高效的数据组织与操作逻辑,解决复杂的计算问题。理解其原理,如递归、分治、动态规划等思想,是构建高性能软件系统的关键。在工程实践中,算法能力直接决定了程序的效率与可扩展性,广泛应用于搜索引擎、推荐系统、数据库索引等场景。本文聚焦于计算机考研408算法题的实战攻坚,通过剖析链表反转、快慢指针、二叉树遍历、滑动窗口、Dijkstra算法、快速排序、并查集等经典题目,深入讲解其设计逻辑、复杂度分析与手写代码规范,旨在帮助考生跨越从“看懂”到“在有限时间内做对”

weixin_30883311的博客 310

Shopee的办公室(二)

题目描述 shopee的办公室非常大,小虾同学的位置坐落在右上角,而大门却在左下角,可以把所有位置抽象为一个网格(门口的坐标为0,0),小虾同学很聪明,每次只向上,或者向右走,因为这样最容易接近目的地,但是小虾同学不想让自己的boss们看到自己经常在他们面前出没,或者迟到被发现。他决定研究一下如果他不通过boss们的位置,他可以有多少种走法? 输入描述: 第一行 x,y,n (0<x<...

qq_32682177的博客 954

ADA程序实例(字符串类型及其简单处理)

ADA语言内建的字符串类型是定长类型,基本接近相当于C的静态字符数组。对ADA而言,String也完全是通过字符数组的严格定义派生出来的(可参见wikibooks关于ADA类型系统的条目;关于ADA的复杂的类型系统需要另行撰文)。定长字符类型对应的操作包在Ada.Strings.Fixed中。另外String类型也有很多这个类型的Attribute。这类字符串通常在编译期决定长度(由其界限参数指定

quanben 1976

Java基础复习(二)

文章目录接口和抽象类异常object类中的方法类加载反射String类 jdk1.8 接口和抽象类 应用场景: 抽象类 一种事物的抽象 接口 JDK1.8 抽象方法 常量 行为的抽象 抽象类:abstract 修饰类 方法 (抽象类 可以包含抽象方法 含有抽象方法的类->抽象类 含有抽象类的方法不一定是抽象类) 不能实例化对象 实例类 extends 抽象类{} 抽象类相比实例类:构造 实例变量 静态,实例方法 接口:1.interface修饰 2.接口不能实例化对

降温的博客 255

滚动哈希:字符串处理中的“前缀和”思想与高效子串比较

在算法与数据结构中,前缀和是一种通过预处理将区间查询复杂度降至O(1)的经典思想,广泛应用于数组求和等问题。其核心原理是预先计算并存储序列的累积信息,从而在后续查询中快速计算任意区间的聚合值。这种“空间换时间”的策略具有极高的技术价值,能显著优化需要频繁进行区间操作的场景,例如数据统计、动态规划和实时查询。当我们将这种思想迁移到字符串处理领域,便催生了一种强大的技术——滚动哈希。滚动哈希本质上是前缀和思想在字符串序列上的应用,它通过将字符串视为特定进制的数字,并预处理其“前缀哈希值”,实现了对任意子串哈希值

aodiyi6351的博客 347

滚动哈希本质是哈希前缀和:从原理到Rabin-Karp算法实战

在算法与数据结构中,前缀和是一种基础且强大的技术,它通过预处理数组的累积和,使得任意区间和的查询能在常数时间内完成。这一思想的核心在于将区间操作转化为对两个前缀值的运算。当我们将场景扩展到字符串处理时,为了快速比较子串,哈希函数被引入以生成字符串的“数字指纹”。滚动哈希技术巧妙地结合了这两者:它设计了一种可逆的哈希运算(如将字符串视为进制数),并预先计算出“哈希前缀和”数组。这使得获取任意子串哈希值的操作复杂度降至O(1),其技术价值在于为字符串匹配等任务提供了高效的预处理与查询方案。该技术广泛应用于需要快

dezhen7015的博客 362

编程基础题

低级语言不属于面向过程的语言,低级语言并不一定是面向过程的语言。低级语言是指更接近计算机硬件的编程语言,通常对硬件资源的控制更加细粒度。低级语言可以包括汇编语言和机器语言。面向过程的编程范式强调按照顺序执行一系列的过程或函数来完成任务。在低级语言中,可以使用面向过程的风格进行编程,但也可以使用其他编程范式,如面向对象或函数式编程。因此,低级语言可以支持多种编程范式,而不仅限于面向过程。

qq_63431773的博客 131
上一篇: 子数组的和等于特定值
下一篇: 有两个序列a,b,要求:通过交换a,b中的元素,使[序列a元素的和]与[序列b元素的和]之间的差最小。
Splendour
博客等级 码龄20年 8粉丝 50原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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