Leetcode 16. 3Sum Closest 题解

本文介绍了解决三数之和最接近目标值问题的两种算法:一种使用了二分查找,时间复杂度为O(n^2*logn);另一种采用双指针法,时间复杂度为O(n^2)。通过对数组进行排序并巧妙地运用指针移动策略,有效地解决了该问题。

题目链接

brute force O(n^3)

先排一遍序,遍历两个数,第三个数用二分查找,复杂度O(n^2*lgn)

遍历一个数,第二、三个数用双指针查找,转化为2Sum Closest问题,复杂度O(n^2)

O(n^2lgn) 

class Solution {
public:
    int threeSumClosest(vector<int>& nums, int target) {
        std::sort(nums.begin(),nums.end());
        int diff = INT_MAX, toReturn = INT_MAX;
        for (int i = 0; i < nums.size() - 2; i++){
            for (int j = i+1; j < nums.size() - 1;j++){
                int op1 = nums[i];
                int op2 = nums[j];
                int toFind = target - op1 - op2;
                // Now perform binary search in nums[j+1:]
                int lo = j+1, hi = nums.size()-1;
                while (lo < hi){
                    int mi = lo + (hi-lo)/2;
                    if (toFind < nums[(lo+hi)/2]){
                        hi = mi;
                    } else if (toFind > nums[(lo+hi)/2]){
                        lo = mi + 1;
                    } else {
                        // We find this
                        return target;
                    }
                }
                // we find the only two candidate, let's check which is the lucky guy.
                if (abs(target-op1-op2-nums[hi-1]) < diff && hi-1 > j){
                    diff = abs(target-op1-op2-nums[hi-1]);
                    toReturn = op1+op2+nums[hi-1];
                }
                if (abs(target-op1-op2-nums[hi]) < diff){
                    diff = abs(target-op1-op2-nums[hi]);
                    toReturn = op1+op2+nums[hi];
                }
            }
        }
        return toReturn;
    }
};

O(n^2)

class Solution {
public:
    int threeSumClosest(vector<int>& nums, int target) {
        std::sort(nums.begin(),nums.end());
        int diff = INT_MAX, ans;
        for (int i = 0; i < nums.size()-2;i++){
            int j = i+1, k = nums.size()-1;
            int toFind = target - nums[i];
            while (j < k){
                if (abs(toFind - nums[j] - nums[k]) < diff){
                    diff = abs(toFind - nums[j] - nums[k]);
                    ans = nums[i] + nums[j] + nums[k];
                }                   
                if (nums[j] + nums[k] < toFind) j++;
                else if (nums[j] + nums[k] > toFind) k--;
                else return target;
            }
        }
        return ans;
    }
};

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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