Gray Code

本文介绍了一种生成灰码序列的有效算法。通过使用ArrayList并基于数学归纳法原理,该算法能够在给定比特位数的情况下生成符合要求的灰码序列。

https://oj.leetcode.com/problems/gray-code/

The gray code is a binary numeral system where two successive values differ in only one bit.

Given a non-negative integer n representing the total number of bits in the code, print the sequence of gray code. A gray code sequence must begin with 0.

For example, given n = 2, return [0,1,3,2]. Its gray code sequence is:

00 - 0
01 - 1
11 - 3
10 - 2
Note:
For a given n, a gray code sequence is not uniquely defined.

For example, [0,2,3,1] is also a valid gray code sequence according to the above definition.

For now, the judge is able to judge based on one instance of gray code sequence. Sorry about that.


public List<Integer> grayCode(int n)


这一题算是一个有固定解法的题。很难玩出别的什么花样。

先说算法。首先推荐解集为ArrayList,这样子复杂度会降低一个指数级别。解集先push一个0进去。

然后做n次循环。每次循环里面基于当前List的size做一个从尾到头的循环。

把取出来的元素或一个1 << i - 1再放回去。如此...就可以了。

先放代码吧:

    public List<Integer> grayCode(int n) {
        List<Integer> res = new ArrayList<Integer>();
        res.add(0);
        if(n < 1)
            return res;
        res.add(1);
        for(int i = 1; i < n; i++){
            int cur_size = res.size() - 1;
            while(cur_size >= 0){
                res.add(res.get(cur_size) | 1 << i);
                cur_size--;
            }
        }
        return res;
    }

原理其实不是很难理解。其实就是基于这么一个类似数学归纳法的原理:

1. 0 和 1 之间就差一位吧。

2. 那么假设数组里面的都是Gray code。 那么两两之间就差一个bit对吧?那么如果我在最后那一位上面再加一个1 << i - 1, 那么就和最后一个数就差一个bit对吧?那么我就这么倒着遍历放,其实也就是利用每一层形成的答案子集里每一个数值相差一个bit的现成效果。最后整个答案都是gray code了。


2017-12-25 Updated

再稍微解释一下这个算法的具体道理:

n = 1 的时候,数组里是0 和 1, 也就是1的数目是0 1 (此为base case)

因为我们是从后往前向最左边“或”一个1。 所以当n = 2的时候,数组里1的数目是 0 1 2 1

n = 3时,数组里1的数目就是 0 1 2 1 2 3 2 1

n = 4时,数组里1的数目就是 0 1 2 1 2 3 2 1 2 3 4 3 2 3 2 1

如果说因为一路上都是向最左侧这么加一个一得到下一部分数组的。所以如果说f(n)是这个数列。那么f(n + 1)的新元素序列中的第一个,便和f(n)最后一个元素也差一个一,因为f(n + 1)的新元素序列是f(n)已有数列的逆向复制的同时最左端多加一个1,所以新元素序列里每一个相邻的元素都刚好差一个1。 这就是说为什么这是一个数学归纳法的原理

f(0) = {0}

f(1) = {0, 1}

有两个base case,然后任何f(n)和f(n + 1) (n > 1)就可以根据上面那条规则递归下去。

【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
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