Leetcode40 Combination Sum II

题目地址:
https://leetcode.com/problems/combination-sum-ii/
描述:
Given a collection of candidate numbers (candidates) and a target number (target), find all unique combinations in candidates where the candidate numbers sums to target.
Each number in candidates may only be used once in the combination.

Note:
    All numbers (including target) will be positive integers.
    The solution set must not contain duplicate combinations.
分析:
简单做法就是用递归,用python实现了,见代码1。需要注意有注释的那行,保障了not contain duplicate combinations.

又考虑了非递归做法,用cpp实现了(好久不用cpp,就当复习了),见代码2。
代码1:

class Solution(object):
    def combinationSum2(self, candidates, target):
        """
        :type candidates: List[int]
        :type target: int
        :rtype: List[List[int]]
        """
        candidates.sort()
        result = []
        one = []

        def recursion(idx, sum):
            for x in range(idx, len(candidates)):
                if x != idx and candidates[x] == candidates[x - 1]:  # 同一个slot,不放入相同的值
                    continue
                one.append(candidates[x])
                sum = _sum = sum + candidates[x]
                if _sum < target:
                    recursion(x + 1, sum)
                elif sum == target:
                    result.append(one[:])
                t = one.pop()
                sum -= t
                if _sum >= target:
                    break

        recursion(0, 0)
        return result

代码2:
 

class Solution {
public:
	vector<vector<int>> combinationSum2(vector<int>& candidates, int target) {
		vector<vector<int>> result;
		vector<int> idxs;
		int idx = 0;
		int sum = 0;
		sort(candidates.begin(), candidates.end());
		idxs.push_back(idx);
		sum += candidates[idx];
		do {
			bool is_push = true;
			if (sum >= target) { // 1.继续push的话会超过target
				if (sum == target) {
					vector<int> tmp;
					for (auto iter = idxs.begin(); iter != idxs.end(); iter++)
						tmp.push_back(candidates[*iter]);
					result.push_back(tmp);
				}
				is_push = false;
			}
			idx = idxs.back();  // 2. 没有可以push的数了
			if (idx == candidates.size() - 1)
				is_push = false;

			if (is_push) { // 继续push
				idxs.push_back(idx + 1);
				sum += candidates[idx + 1];
			}
			else { // pop队尾,直到队尾可以修改为合理值
				while (idxs.size()) {
					sum -= candidates[idxs.back()];
					idxs.pop_back();
					if (idxs.size()) {
						idx = idxs.back();
						if (candidates[idx] != candidates.back()) {
							do {
								idx++;
							} while (candidates[idx] == candidates[idx - 1]);
							break;
						}
					}
				}
				if (idxs.size()) {
					sum -= candidates[idxs.back()];
					idxs[idxs.size() - 1] = idx;
					sum += candidates[idx];
				}
			}
		} while (idxs.size());
		return result;
	}
};

 

最后!吐槽下现在的优快云 #¥%……&*

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。
### LeetCode Problem 40 的 C++ 实现 LeetCode40 题名为 **Combination Sum II**,其目标是从给定候选数组 `candidates` 中找出所有不同的组合,使得这些数的和等于目标值 `target`。需要注意的是,每个数字只能使用一次,并且解集中不能包含重复的组合。 以下是该问题的一个标准回溯法 (Backtracking) 解决方案: ```cpp class Solution { public: vector<vector<int>> combinationSum2(vector<int>& candidates, int target) { sort(candidates.begin(), candidates.end()); // 排序以便去重 vector<vector<int>> result; vector<int> path; backtrack(result, path, candidates, target, 0); return result; } private: void backtrack(vector<vector<int>>& result, vector<int>& path, vector<int>& candidates, int remain, int start) { if (remain < 0) return; // 超过目标值则返回 if (remain == 0) { // 找到符合条件的组合 result.push_back(path); return; } for (int i = start; i < candidates.size(); ++i) { // 去除重复组合 if (i > start && candidates[i] == candidates[i - 1]) continue; path.push_back(candidates[i]); // 选择当前元素 backtrack(result, path, candidates, remain - candidates[i], i + 1); // 进入下一层决策树 path.pop_back(); // 撤销选择 } } }; ``` #### 复杂度分析 上述算法的时间复杂度主要取决于递归调用次数以及每次递归中的操作数量。由于需要遍历所有的可能组合并对其进行剪枝处理,因此时间复杂度难以精确计算,但通常可以表示为 \(O(2^n)\),其中 \(n\) 是输入数组的长度[^1]。空间复杂度由递归栈决定,最坏情况下为 \(O(n)\)[^2]。 --- ### 动态规划方法的可能性探讨 虽然动态规划常用于解决子集求和类问题,但在本题中并不适用,因为题目要求输出具体的组合而非仅仅判断是否存在满足条件的集合。因此,采用回溯法更为合适[^3]。 ---
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