LetCode 412

             这是一道定位为easy的题目,但是写完以后是runtime error。解决这种情况往往需要转换一个新的思维。参考了网上的答案,发现有两个地方写的有问题。第一就是关于malloc的分配,以前虽然见过,但是并不了解,导致分配空间时只分配了一层:char** a=(char**)malloc(sizeof(char*)*n); 对于二维数组,需要再分配一层:char* a[i]=(char*)malloc(sizeof(char)*m)。而且这种分配相比于a[][],空间大小可以用参数来表示。

        第二个问题就是sprintf的使用。这是一个用于将格式化的数据写入字符串的函数:sprintf(*(a+i), "%d", i+1);该句表示将i+1写入a[i][]中。以前只会将数字转成字符,再赋值给char类型的变量,真是太幼稚了。

        此外,由于以前没有学好C语言的指针,这次不由得觉得指针其实还是蛮好用的。

附C语言代码:

char** fizzBuzz(int n, int* returnSize) {
    char** a;
    a=(char**)malloc(sizeof(char*)*n);
    int m=16;
    for(int i=0;i<n;i++)
    {
        a[i]=(char*)malloc(sizeof(char)*m);
    }
    
    for(int i=0;i<n;i++)
    {
        if((i+1)%15==0)
            *(i+a)="FizzBuzz";
        else if((i+1)%5==0)
            *(i+a)="Buzz";
        else if((i+1)%3==0)
            *(i+a)="Fizz";
        else
            sprintf(*(a+i), "%d", i+1);
        
    }
    *returnSize=n;
    return a;
}


        最初是用C++写的,但是对于vector不太熟悉,导致每次写的代码都会出问题。后来就放弃了,但是发现很多题目都会用到vector,而且这个其实还真的挺好用的,所以就学习了一下。

        在本道题,只用到了vector的push_back()函数,即在尾部插入数据。但是会因为vector<>尖括号里的类型而有不同的数据类型。本题中,vector<string>类型,在插入的数据是数字时,需要用到to_string(i)来转换一下。此外,还有一个问题,就是i%15==0一定要放在第一个if的条件中,否则,会输出"Fizz"或"Buzz"。

附C++代码:

class Solution {
public:
    vector<string> fizzBuzz(int n) {
        vector<string> str;
        for(int i=1;i<=n;i++)
        {
            if(i%15==0)
                str.push_back("FizzBuzz");
            else if(i%5==0)
                str.push_back("Buzz");
            else if(i%3==0)
                str.push_back("Fizz");
            else
                str.push_back(to_string(i));
        }
        return str;
    }
};


源码地址: https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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