leetcode Container With Most Water

本文对比分析了求解最大盛水量问题的两种算法:一种是n平方复杂度的算法,通过优化左端点前移条件减少计算量;另一种是线性时间复杂度的算法,通过动态调整两端指针的位置来实现高效计算。

题目地址

思路:
自己想到了一个算法复杂度为n平方的算法。放到oj上是超时的。因为我只是在最简单的方法上做了一点点优化。就是左端点向前移动的时候,如果下一个数比当前数小那么直接跳过。原因是,下一个数如果小了,那么桶高度一定减小,并且桶宽度也减小,可以直接过。

public class Solution {
    public int maxArea(int[] height) {
       int maxWater=0;
        int i=0;
        while(i<height.length-1)
        {
            for(int j=height.length-1;j>i;j--)
            {
                maxWater=Math.max(maxWater, (j-i)*Math.min(height[i],   height[j]));
            }


            int nextIndex=i+1;
            while(nextIndex<height.length)
            {
                if(height[i]>=height[nextIndex])
                {
                    nextIndex++;
                }
                else
                {
                    break;
                }
            }

            i=nextIndex;

        }
        return maxWater;
    }
}

但是看了他们都是用线性算法解决的,所以还是挺崇拜他们的。

public class Solution {
    public int maxArea(int[] height) {
      int left=0;
        int right=height.length-1;
        int maxWater=0;
        while(left<right)
        {
            maxWater=Math.max(maxWater, (right-left)*Math.min(height[left],height[right]));
            if(height[left]<height[right])
            {
                left++;
            }
            else
            {
                right--;
            }
        }
        return maxWater;
    }
}

这是一个线性时间的算法。每进行一次循环那么左边向前或者右边向后。
这么做的原因有一下几点
1水的多少取决于桶的高度。所以我们在移动边界的时候如果移动大的,那么捅的容量一定减小。
2至于为啥可以每次都可以确定不要一个边界,可以做如下反证法

我们不妨假设右端有短边被淘汰了的A。现在左端是一个非常大的边B。
如果A和B组成的桶非常大。那么这里实际起作用的边是A的高度。这是形成的容积为V

这是不妨假设,既然A被淘汰了。那么证明在遇到B之前,左边一定有一个边是高于A的,不妨设为C。此时C与A组成的桶起作用的高度还是A,但是C距离A比B远,此时桶的容积V2是大于V的。

而V2已经计算过了,可能已经与MAXV做过比较,所以我们每个边只需要一次比较就可以,我们可以放心的排除A边

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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