4. Median of Two Sorted Arrays [LeetCode]

第四题是求两个有序数组的中位数,比如nums1[1]=[1,2], nums2=[3,4], 那么中位数是2.5。

这道题的时间复杂度要求log(m+n),可以用二分查找。

如何在两个数组上进行二分查找? 

在较短的那个数组上[l,r]区间查找,比较nums1[i-1]和nums2[j],nums1[i]和nums2[j-1]的关系。

如果nums1[i]>=nums2[j-1], nums1[i-1]<=nums2[j], 则说明i的位置合适。如果m+n奇数,中位数为max(nums1[i-1],nums2[j-1]),否则中位数为(max(nums1[i-1],nums2[j-1])+min(nums1[i],nums2[j]))/2。注意检查边界。

如果nums1[i]<nums2[j-1],说明i小了,需要将搜索区域的左端右移(l++)。

如果nums1[i-1]>nums2[j],说明j大了,需要将搜索区域的右端左移(r--)。

class Solution {
    public double findMedianSortedArrays(int[] nums1, int[] nums2) {
        int m = nums1.length;
        int n = nums2.length;
        if ( m > n ) {
            int[] nums3 = nums1;
            nums1 = nums2;
            nums2 = nums3;
            int k = m;
            m = n;
            n = k;
        }
        int l = 0;
        int r = m;
        int half = ( m + n + 1 ) / 2;
        while ( l <= r ){
            int i = ( l + r ) / 2;
            int j = half - i;
            if (i < m && nums1[i] < nums2[j-1]){    //i small
                l = l + 1;
            }
            else if (i > 0 && nums1[i-1] > nums2[j]){   //i big
                r = r - 1;
            }
            else{ //i ok
                int ll = 0;
                if (i == 0) { 
                    ll = nums2[j-1]; 
                }else if (j == 0) { 
                    ll = nums1[i-1]; 
                }else if (nums1[i-1] > nums2[j-1]){
                    ll=nums1[i-1];
                }else ll=nums2[j-1];
                if ((m + n) % 2 == 1) return ll;
                
                int rr = 0;
                if (i == m) { 
                    rr = nums2[j]; 
                }else if (j == n) { 
                    rr = nums1[i]; 
                }else if (nums1[i] < nums2[j]){
                    rr=nums1[i];
                }else rr=nums2[j];
                return (ll + rr)/2.0;
            }
        }
        return 0.0;
    }
}

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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