剑指Offer45 扑克牌序列(挖掘隐含条件)

本文介绍了一种用于判断从扑克牌中随机抽取的五张牌是否能形成顺子的算法。通过排序和最值法,利用大小王的灵活性及扑克牌数值特性,实现了高效判断。文章深入探讨了算法细节,包括如何处理癞子牌和利用隐含条件优化算法。

LL今天心情特别好,因为他去买了一副扑克牌,发现里面居然有2个大王,2个小王(一副牌原本是54张_)...他随机从中抽出了5张牌,想测测自己的手气,看看能不能抽到顺子,如果抽到的话,他决定去买体育彩票,嘿嘿!!“红心A,黑桃3,小王,大王,方片5”,“Oh My God!”不是顺子.....LL不高兴了,他想了想,决定大\小 王可以看成任何数字,并且A看作1,J为11,Q为12,K为13。上面的5张牌就可以变成“1,2,3,4,5”(大小王分别看作2和4),“So Lucky!”。LL决定去买体育彩票啦。 现在,要求你使用这幅牌模拟上面的过程,然后告诉我们LL的运气如何, 如果牌能组成顺子就输出true,否则就输出false。为了方便起见,你可以认为大小王是0。

排序法

  1. 将整个数组排序
  2. 统计癞子的数量
  3. 统计非癞子的间距和
    public boolean isContinuous2(int [] numbers) {
        Arrays.sort(numbers); // nlogn
        int count0 = 0;
        for (int i = 0; count0 >= 0 && i < numbers.length; i++) {
            if (numbers[i] == 0) count0 ++;
            else{
                if(i==0 || numbers[i-1] == 0) continue;// 第一个非0 数跳过
                int d = numbers[i] - numbers[i-1] - 1;// 计算两个非0数之间的间距
                if(d < 0) return false;// d==0 表示出现了相同的扑克牌
                count0 -= d;// 间距>0的时候消耗癞子
            }
        }
        return (count0 >= 0) ; // 如果癞子够用返回true
    }

这样写的好处在于空间复杂度低,主要是排序产生nlogn的时间复杂度。

最值法

上面的解法问题在于

  1. 没有充分使用抽取5张扑克牌的条件,抽取五张扑克牌意味着:Max - Min < 5
  2. 扑克牌的数值小于14隐含条件也没有使用。
   public boolean isContinuous(int [] numbers){
        int max = 0;  // 寻找Max
        int min = 14 ; // 寻找Min
        int [] count = new int[14]; // 设置14个计数器
        
        for(int i=0; i<numbers.length;i++){
            count[numbers[i]] ++; 
            if(numbers[i] == 0){
                continue;
            } 
            if(numbers[i]>max) max = numbers[i];
            if(numbers[i]<min) min = numbers[i];
        }
        for(int i=1;i<count.length;i++){
            if(count[i] > 1) return false; // 如果有相同的扑克牌 GG
        }
        return (max - min < 5); 
    }

这一题题目比较长,与此同时就很可能存在一些不是很明显的条件,这些条件可以帮助我们写出更好的算法来解决问题。以后做类似的题目要注意适当挖掘隐含条件,不要急于开始Coding。

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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