【简单】面试题17. 打印从1到最大的n位数

本文介绍了一个LeetCode上的编程题,题目要求输入数字n,按顺序打印出从1到最大的n位十进制数。通过使用C++代码实现,文章提供了两种解决方案,一种是使用while循环,另一种是使用pow()函数,后者在效率上更胜一筹。

【题目】
输入数字 n,按顺序打印出从 1 到最大的 n 位十进制数。比如输入 3,则打印出 1、2、3 一直到最大的 3 位数 999。
来源:leetcode
链接:https://leetcode-cn.com/problems/da-yin-cong-1dao-zui-da-de-nwei-shu-lcof/
【示例1】
输入: n = 1
输出: [1,2,3,4,5,6,7,8,9]
【说明】
1、用返回一个整数列表来代替打印
2、n 为正整数
【思路】
【代码】
耗时:12ms 62.26%
内存:11.2MB 100%

class Solution {
public:
    vector<int> printNumbers(int n) {
        long long x=1;
        vector<int> v;
        while(n--){
            x*=10;
        }
        for(int i=1;i<x;i++)
            v.push_back(i);
        return v;
    }
};

【改进】
用pow()函数代替上一个代码的while
执行用时 :8 ms, 在所有 C++ 提交中击败了87.37% 的用户
内存消耗 :11.5 MB, 在所有 C++ 提交中击败了100.00%的用户

class Solution {
public:
    vector<int> printNumbers(int n) {
        int x=pow(10,n);
        vector<int> v;
        for(int i=1;i<x;i++)
            v.push_back(i);
        return v;
    }
};
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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