18、四数之和

博客围绕四数之和问题展开,给定含n个整数的数组nums和目标值target,需找出所有满足四数之和等于target且不重复的四元组。以数组[1, 0, -1, 0, -2, 2]、target = 0为例给出结果。还介绍了双指针法求解,包括排序、多层遍历等步骤。

给定一个包含 n 个整数的数组 nums 和一个目标值 target,判断 nums 中是否存在四个元素 a,b,c 和 d ,使得 a + b + c + d 的值与 target 相等?找出所有满足条件且不重复的四元组。

给定数组 nums = [1, 0, -1, 0, -2, 2],和 target = 0。

满足要求的四元组集合为: [ [-1, 0, 0, 1], [-2, -1, 1, 2], [-2, 0, 0, 2] ]

看过三数之和的同学,不妨拿这道题练练手。

方法一:双指针法

思路:参考三数之和的思想。时间复杂度O(n^2),空间复杂度O(logn)

【1】先对数组进行排序

【2】​​对数组进行第一遍 外层遍历,其值为a。nums[i]=a

【3】对a之后的数组进行遍历,其值为b。nums[j]=b。(j=i+1)

【4】对b之后的数组进行双指针遍历,其中c指向j+1,d指向数组尾节点。四数之和为sum,sum=a+b+c+d。并与target进行比较 【5】若大于target,d进行左移以降低sum。若小于target,c进行右移以增加sum。否则符合条件添加vector。

vector<vector<int>> fourSum(vector<int>& nums, int target) {
	vector<vector<int>> ans;
	if (nums.size() <= 3)
		return ans;
	sort(nums.begin(), nums.end());		//排序
	for (int i = 0;i <= nums.size() - 4;++i) {
		if (i > 0 && nums[i - 1] == nums[i])  //第一次去重
			continue;
		int a = nums[i];
		for (int j = i + 1;j <= nums.size() - 3;++j) {
			if (j > i + 1 && nums[j - 1] == nums[j])   //第二次去重
				continue;
			int b = nums[j], begin = j + 1, end = nums.size() - 1;
			while (begin < end) {
				int sum = a + b + nums[begin] + nums[end];  //a+b+c+d
				if (sum == target) {
					vector<int> vec = { a,b,nums[begin],nums[end] };
					ans.push_back(vec);
					while (begin < end&&nums[begin] == nums[begin + 1])   //第三次去重
						++begin;
					++begin;
					while (begin < end&&nums[end] == nums[end - 1])
						--end;
					--end;
				}
				else if (sum < target) {	//a+b+c+d<target,增大c
					while (begin < end&&nums[begin] == nums[begin + 1])
						++begin;
					++begin;
				}
				else {		//a+b+c+d>target,减小d
					while (begin < end&&nums[end] == nums[end - 1])
						--end;
					--end;
				}
			}
		}
	}
	return ans;
}

​​​

基于据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性先进性。; 适合人群:具备一定控制理论基础Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统据进行迁移验证,深化对方法泛化能力的理解。
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