## 《通过预处理数据的方法降低程序时间复杂度》

本文通过两个实例,探讨了如何通过预处理数据来显著降低算法的时间复杂度,从而避免超时问题。首先,介绍了素数判定的经典例题,通过预先计算特定范围内的素数状态,避免了每次输入时重复计算,大幅提高了效率。其次,讨论了一个算术题目,通过预先计算并存储一系列数值,减少了每次输入时的循环次数,有效节省了计算时间。

## 《通过预处理数据的方法降低程序时间复杂度》
简单点说,就是如何尽量避免**超时**问题。
为了通俗点,下面举两个例子:

  首先呢,*素数判定*是一道经典例题
  简化版的素数判定大概就是判断在x,y范围内(-39<=x<y<=50)的任意一个整数,如果都是素数的话就输出Yes,否则输出No。
 .这道题常规的解题思路就是
1.输入x,y,取其中任意一个数m
2.利用循环i从2到m或者是从2到根号m判别m%i是否存在等于0的
3.若存在,就跳出循环,输出No,反之输出Yes。
我们可以想象x,y内的每一个数都要循环一次,并且随着x,y取值的不同,又要进行多次这样的步骤显然有点麻烦,而且耗时也长。
但是如果我们提前对-39到50里面的数进行一下预处理的话,就减少了很多时间,具体步骤如下:
我们将-39到50内的所有数都判断一下是否为素数。判定条件同上,然后当你每输入一次x,y时,直接在已经判定好的里面调就好,而不用再每输入一次就全部判定一次,这样会省时很多。
第二个题就是一个**算数**题
题大概就是定义A数组,A[0]=0,对于余下数字,如果A[m]>0并且A[m]尚未出现在A数组当中,就执行A[m]=A[m-1]-m,否则执行A[m]=A[m-1]+m,输入
T组数据,每组输入一个m(0<=m<=10000),输出第m个位置上的数。
按照正常步骤我们是这样写的

#include<stdio.h>
int A[10005]={0};
int main()
{
int T;
scanf("%d",&T);

while(T--)
{
int m;
scanf("%d",&m);
int i,j;

for(i=1;i<=m;i++)
{
A[i]=A[i-1]-i;
for(j=0;j<i;j++)
{
   if(A[i]!=A[j]&&A[i]>0)
     continue;
     else
     {
     A[i]=A[i-1]+i;
     break;
     }
        }
 } 
 printf("%d\n",A[m]);
}
return 0;
}


这样写的话就是每输入一组数,就要for循环一次,那时间的复杂度就会很高,那么如果m更大的话,就很有可能会超时。
而用预处理敲的代码是这样的

#include<stdio.h>
int A[10000]={0};
int main()
{
int i,j;

for(i=1;i<=10000;i++)
{
A[i]=A[i-1]-i;
for(j=0;j<i;j++)
{
   if(A[i]!=A[j]&&A[i]>0)
     continue;
     else
     {
     A[i]=A[i-1]+i;
     break;
     }
        }
 }


int T;
scanf("%d",&T);

while(T--)
{
int m;
scanf("%d",&m);
printf("%d\n",A[m]);
}
return 0;
}

这样的话就相当于将从0到m所能取到的所有值都预先处理了一下,每输入一组数直接从上面已算出的数组里取即可,就不必每次都再进行一次for循环了,是不是很省时呢

**项目概述:** 本资源提供了一套采用Vue.js与JavaScript技术栈构建的古籍文献文字检测与识别系统的完整源代码及相关项目文档。当前系统版本为`v4.0+`,基于`vue-cli`脚手架工具开发。 **环境配置与运行指引:** 1. **获取项目文件**后,进入项目主目录。 2. 执行依赖安装命令: ```bash npm install ``` 若网络环境导致安装缓慢,可通过指定镜像源加速: ```bash npm install --registry=https://registry.npm.taobao.org ``` 3. 启动本地开发服务器: ```bash npm run dev ``` 启动后,可在浏览器中查看运行效果。 **构建与部署:** - 生成测试环境产物: ```bash npm run build:stage ``` - 生成生产环境优化版本: ```bash npm run build:prod ``` **辅助操作命令:** - 预览构建后效果: ```bash npm run preview ``` - 结合资源分析报告预览: ```bash npm run preview -- --report ``` - 代码质量检查与自动修复: ```bash npm run lint npm run lint -- --fix ``` **适用说明:** 本系统代码经过完整功能验证,运行稳定可靠。适用于计算机科学、人工智能、电子信息工程等相关专业的高校师生、研究人员及开发人员,可用于学术研究、课程实践、毕业设计或项目原型开发。使用者可在现有基础上进行功能扩展或定制修改,以满足特定应用场景需求。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【EI复现】基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度(Matlab代码实现)内容概要:本文介绍了基于阶梯碳交易机制的虚拟电厂优化调度模型,重点研究了包含P2G-CCS(电转气-碳捕集与封存)耦合技术和燃气掺氢技术的综合能源系统在Matlab平台上的仿真与代码实现。该模型充分考虑碳排放约束与阶梯式碳交易成本,通过优化虚拟电厂内部多种能源设备的协同运行,提升能源利用效率并降低碳排放。文中详细阐述了系统架构、数学建模、目标函数构建(涵盖经济性与环保性)、约束条件处理及求解方法,并依托YALMIP工具包调用求解器进行实例验证,实现了科研级复现。此外,文档附带网盘资源链接,提供完整代码与相关资料支持进一步学习与拓展。; 适合人群:具备一定电力系统、优化理论及Matlab编程基础的研究生、科研人员或从事综合能源系统、低碳调度方向的工程技术人员;熟悉YALMIP和常用优化算法者更佳。; 使用场景及目标:①学习和复现EI级别关于虚拟电厂低碳优化调度的学术论文;②掌握P2G-CCS、燃气掺氢等新型低碳技术在电力系统中的建模与应用;③理解阶梯碳交易机制对调度决策的影响;④实践基于Matlab/YALMIP的混合整数线性规划或非线性规划问题建模与求解流程。; 阅读建议:建议结合提供的网盘资源,先通读文档理解整体思路,再逐步调试代码,重点关注模型构建与代码实现之间的映射关系;可尝试修改参数、结构或引入新的约束条件以深化理解并拓展应用场景。
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