剑指offer_37变形的二分法

本文介绍了一种高效算法,用于统计特定数字在一个升序数组中出现的次数。通过实现两个二分查找方法,分别定位目标数字的首次和末次出现位置,从而精确计算其出现频率。

题目描述

统计一个数字在升序数组中出现的次数。

 

class Solution {
public:
    int GetNumberOfK(vector<int> data ,int k) {
        int first=binaryseachfirst(data,0,data.size()-1,k);
        int last=binaryseachlast(data,0,data.size()-1,k);
        if(first==-1&&last==-1) return 0;
        return last-first+1;
    }
    int binaryseachfirst(vector<int>& data,int l,int r,int key){
        while(l<=r){//等号就带上吧
            int mid=l+((r-l)>>2);
            if(data[mid]>key){
                r=mid-1;
            }else if(data[mid]<key){
                l=mid+1;
            }else{
                if(mid==l||data[mid-1]!=key){//直接找到左边界
                    return mid;
                }else{
                    r=mid-1;
                }
            }
        }
        return -1;
    }
    int binaryseachlast(vector<int>& data,int l,int r,int key){
        while(l<=r){
            int mid=l+((r-l)>>2);
            if(data[mid]>key){
                r=mid-1;
            }else if(data[mid]<key){
                l=mid+1;
            }else{
                if(mid==r||data[mid+1]!=key){//找到右边界
                    return mid;
                }else{
                    l=mid+1;
                }
            }
        }
        return -1;
    }
};

 

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
### C++ `lower_bound` 函数的二分法实现与用法 #### 定义与功能 `lower_bound()` 是 C++ 标准模板库 (STL) 中的一个函数,用于在一个已排序序列中查找不小于给定值的第一个元素的位置。此操作通过二分查找来高效完成,时间复杂度为 O(log n)[^1]。 #### 基本语法 ```cpp #include <algorithm> iterator lower_bound(iterator first, iterator last, const T& val); ``` 参数说明如下: - `first`: 指向要搜索区间的起始位置的迭代器。 - `last`: 指向要搜索区间结束之后一个位置的迭代器。 - `val`: 要查找的目标值。 返回值是一个指向满足条件(即 >= 给定值)的第一个元素的迭代器;如果找不到这样的元素,则返回 `last` 迭代器[^2]。 #### 使用示例 考虑下面的例子,在整型数组中寻找第一个大于等于指定数值的位置: ```cpp #include <iostream> #include <vector> #include <algorithm> // std::lower_bound int main() { std::vector<int> vec = {1, 3, 4, 6, 8}; int targetValue = 5; auto it = std::lower_bound(vec.begin(), vec.end(), targetValue); if(it != vec.end()){ std::cout << "First element not less than " << targetValue << " is at position " << (it - vec.begin()) << ", value=" << *it << '\n'; } else { std::cout << "No elements are greater or equal to the given value.\n"; } return 0; } ``` 上述程序会输出:“First element not less than 5 is at position 3, value=6”,因为这是最接近但不低于目标值的那个数所在的位置[^3]。 #### 自定义比较函数 当处理的数据类型不是简单的数字而是更复杂的结构体或其他对象时,可以提供自定义的比较谓词作为第四个参数传递给 `lower_bound()` 来改变默认的行为方式。例如,对于降序排列的情况,可以通过编写相应的比较逻辑来进行调整[^4]。 #### 应用场景举例 假设有一个递增顺序存储的成绩列表,想要快速定位某个分数段内的最低分数线对应的排名,就可以利用 `lower_bound()` 方法轻松解决这个问题[^5]。
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