剑指offer 49:丑数

本文介绍了一种高效算法,用于查找第N个只包含质因子2、3和5的丑数。通过维护三个指针并利用动态规划思想,逐步构建丑数序列,最终返回所需的第N个丑数。

丑数
编写一个程序,找出第 n 个 丑数
我们把只包含质因子 2、3 和 5 的数称作丑数(Ugly Number)。求按从小到大的顺序的第 n 个丑数。
示例:
输入: n = 10
输出: 12
解释: 1, 2, 3, 4, 5, 6, 8, 9, 10, 12 是前 10 个丑数。
说明:
1 是丑数。
n 不超过1690

思路:
先模拟一遍实际情况中,比如说 ,第一个数字默认的是1 ,那么第二位数字的取值 可能是
1 * 2 ,或者 1 * 3 或者 1 * 5 ,取得哪一个看这三个中哪个取值最小,这轮是 2 最小,所以2 成为列表中的索引为1
到第三个数的时候,本来按照惯例是 上一个数字的 2 分别与 2 ,3 ,5 相乘,但是 之前的上上轮的 13,15 也要比较,要把每一个没有比较的元素全部比较到,那只有参照2,3,5 对应的索引了,相当于 2,3 ,5 中的每一个元素都要与 已经存在的列表中的元素相乘,再将他们相乘的结果比较大小,2,3,5 对应的索引值是来标记 2,3,5与列表中要相乘的索引号
可能比较绕,但是自己在草稿上模拟一遍程序每个循环的过程就清楚了

以下是代码:

class Solution:
    def nthUglyNumber(self, n: int) -> int:
        ugly_num_list = [1]
        count = 1
        two_index = 0
        three_index = 0
        five_index = 0

        res = 1
        while count < n :
            count += 1
            res = min(2 * ugly_num_list[two_index], 3 * ugly_num_list[three_index], 5 * ugly_num_list[five_index])
            if res == 2 * ugly_num_list[two_index]:
                two_index += 1
            if res == 3 * ugly_num_list[three_index]:
                three_index += 1
            if res == 5 * ugly_num_list[five_index]:
                five_index += 1
            ugly_num_list.append(res)
        # print(ugly_num_list)
        return res



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, ...
评论 1
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