LeetCode笔记-A1-Two Sum

本文介绍了求解数组中两个数相加等于特定目标值的问题。通过两种方法对比,展示了暴力遍历和哈希表查找的不同实现方式。前者简单直观但效率较低;后者通过构建哈希表提高查找速度,降低了时间复杂度。

我的解决(暴力遍历):

class Solution {
public:
    vector<int> twoSum(vector<int>& nums, int target) {
        vector<int> res;
        int k = nums.size();
        for (int i = 0; i < k ; ++i) {
            //if (nums.at(i)>target) continue;
            for (int j = i+1; j < k; ++j) {
                if (nums.at(i)+nums.at(j)==target) {
                    res.push_back(i);
                    res.push_back(j);
                    return res;
                }
            }
        }
    }
};

总结:这个方法没什么技术含量,时间复杂度比较差

参考了LeetCode上的参考解答,使用一趟的哈希表,可以得到时间复杂度更好的结果:

class Solution {
public:
    vector<int> twoSum(vector<int>& nums, int target) {
        vector<int> res;
        map<int,int> mymap;
        int k = nums.size();
        for (int i = 0; i < k ; ++i) {
            int complement = target - nums[i];
            if (mymap.find(complement)!=mymap.end()&&mymap.at(complement)!=i) {
                res.push_back(i);
                res.push_back(mymap[complement]);
                return res;
            }
            mymap[nums[i]] = i;
        }
    }
};


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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