LeetCode 3Sum Closest 最接近目标数的三个数和

本文探讨了如何在给定整数数组中找到三个数的和,使得该和与目标值之间的差距最小。通过算法实现,解决了与经典三数之和问题相似但又略有不同的挑战。

3Sum Closest

Given an arraySofnintegers, find three integers inSsuch that the sum is closest to a given number, target. Return the sum of the three integers. You may assume that each input would have exactly one solution.

    For example, given array S = {-1 2 1 -4}, and target = 1.

    The sum that is closest to the target is 2. (-1 + 2 + 1 = 2).

这道题和3Sum差不多,不过也有不一样的,主要是:

1 这里不用判断处理重复问题

2 要比较其中的三个数的和与目标数的差的大小。

class Solution {
public:
	int threeSumClosest(vector<int> &num, int target)
	{
		switch (num.size())
		{
		case 0: 
			return 0;
		case 1:
			return num[0];
		case 2:
			return num[0] + num[1];
		default:
			break;
		}
		sort(num.begin(), num.end());
		int closet = 0;
		int sum = 0;
		int i = 0, j = 0, k = num.size()-1;
		int diff = INT_MAX;

		for (i = 0; i < k-1; i++)
		{
			for (j = i+1; j < k;)
			{
				sum = num[i] + num[j] + num[k];
				if (sum == target)
				{
					return sum;
				}
				if (abs(sum-target) < diff)
				{
					closet = sum;
					diff = abs(sum - target);
				}
				if (sum < target)
				{
					j++;
				}
				else
				{
					k--;
				}
			}
		}
		return closet;
	}
};



【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景学术参考价值。; 适合人群:具备一定Python编程基础机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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