数据结构与算法学习2-----数组实现队列

首先说一下队列的特性,和栈正好相反
是先进先出,也就是说谁先进来先出去的就是谁
这次要实现的是一个简单的队列,有add和 delete 以及打印数据的方法
其中add()方法采用尾插法,其中会考虑到空间重复利用的问题

package array;


//用数组模拟实现队列  和栈相反  栈是头插法、尾删除  队列是尾插法、头删除
public class Queue {

    private int[] value = new int[20];

    int head = -1;  //头指针 一直跟着头部元素
    int end = -1;   //尾指针 一直跟着尾部元素
    int max = 20;   //最大元素数量

    //添加元素  尾插法 当end到底 需要将底部值回推到顶部 重置head 如果此时还是满的 那就满了
    public void add(int param) {
        if (end >= 19) {
            head = -1;
            int [] temp = new int[max];
            int index = 0;
            for (int i : value) {
                if (i != 0) {
                    temp[index] = i;
                    index++;
                }
            }
            end = index - 1;
            value = temp;
            if(index >= 20) {
                System.out.println("满了");
            }
        }else {
            value[end + 1] = param;
            end++;
        }
    }
    //删除元素
    public void delete() {
        head++;
        value[head] = 0;
    }
    //打印
    public void print() {
        for (int i : value) {
            System.out.print(i + ",");
        }
    }

    static class Demo {
        public static void main(String[] args) {
            Queue q = new Queue();
            for (int i = 0; i < 40 ;i++) {
                q.add(i);
            }
            for (int i = 0; i < 5 ;i++) {
                q.delete();
            }
            for (int i = 41; i < 50 ;i++) {
                q.add(i);
            }
            q.print();
        }
    }

}

我这里实现是有一些问题得,头尾指针可能可以加一 更好理解一些,还有最大元素数量,这里可以通过一个构造方法去动态控制,不过我只是为了理解思想,这些不重要了。
欢迎讨论~

【CNN-GRU-Attention】基于卷积神经网络和门控循环单元网络结合注意力机制的多变量回归预测研究(Matlab代码实现)内容概要:本文介绍了基于卷积神经网络(CNN)、门控循环单元网络(GRU)注意力机制(Attention)相结合的多变量回归预测模型研究,重点利用Matlab实现该深度学习模型的构建仿真。该模型通过CNN提取输入数据的局部特征,利用GRU捕捉时间序列的长期依赖关系,并引入注意力机制增强关键时间步的权重,从而提升多变量时间序列回归预测的精度鲁棒性。文中涵盖了模型架构设计、训练流程、参数调优及实际案例验证,适用于复杂非线性系统的预测任务。; 适合人群:具备一定机器学习深度学习基础,熟悉Matlab编程环境,从事科研或工程应用的研究生、科研人员及算法工程师,尤其适合关注时间序列预测、能源预测、智能优化等方向的技术人员。; 使用场景及目标:①应用于风电功率预测、负荷预测、交通流量预测等多变量时间序列回归任务;②帮助读者掌握CNN-GRU-Attention混合模型的设计思路Matlab实现方法;③为学术研究、毕业论文或项目开发提供可复现的代码参考和技术支持。; 阅读建议:建议读者结合Matlab代码逐模块理解模型实现细节,重点关注数据预处理、网络结构搭建注意力机制的嵌入方式,并通过调整超参数和更换数据集进行实验验证,以深化对模型性能影响因素的理解。
评论 2
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