leetcode: Longest Consecutive Sequence

最长连续序列求解
本文介绍了一种在未排序整数数组中寻找最长连续元素序列的算法,通过使用哈希表记录元素及其访问状态,实现了O(n)的时间复杂度。

问题描述:

Given an unsorted array of integers, find the length of the longest consecutive elements sequence.

For example,
Given [100, 4, 200, 1, 3, 2],
The longest consecutive elements sequence is [1, 2, 3, 4]. Return its length: 4.

Your algorithm should run in O(n) complexity.

原问题链接:https://leetcode.com/problems/longest-consecutive-sequence/

 

问题分析

  这个问题看起来确实有点难度,因为这个序列是没有排序的。如果我们需要去找它这里面元素能构成的最大序列,一种最简单的办法确实是对这个数组排序。但是一般来说,排序的时间复杂度就到了O(nlogn)了,而这里要求的时间复杂度为O(n)。所以上述的办法并不可行。

  既然上面方法不可行的话,我们就看看有没有别的办法。在数组里,我们可以将每个元素和它是否被访问过的标记放到一个Map<Integer, Boolean>里。这样所有的元素最开始对应的值都是false。而每次我们遍历元素数组的时候,就尝试从元素的两头分别递增和递减,如果递增或者递减后也有元素存在于map中,说明它们构成了一个连续的序列。在每次访问完一个元素之后,我们要将元素在map里对应的值设置为true,这样可以防止后面的元素再重复访问这个位置。我们就可以跳过一些不必要的比较。

  按照这个过程,我们整体的时间复杂度也可以降下来。详细的实现如下:

 

public class Solution {
    public int longestConsecutive(int[] nums) {
        if(nums == null || nums.length == 0) return 0;
        int maxLen = 1;
        Map<Integer, Boolean> map = new HashMap<>();
        for(int i : nums) map.put(i, false);
        for(int i = 0; i < nums.length; i++) {
            int right = nums[i] + 1, n = nums[i], count = 0;
            while(map.containsKey(n) && !map.get(n)) {
                map.put(n, true);
                n--;
                count++;
            }
            while(map.containsKey(right) && !map.get(right)) {
                map.put(right, true);
                right++;
                count++;
            }
            maxLen = Math.max(maxLen, count);
        }
        return maxLen;
    }
}
基于数据驱动的 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“基于数据驱动的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方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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