7. Reverse Integer [LeetCode]

本文介绍了一种反转32位有符号整数的方法,并详细解释了如何通过循环取余和除以10来实现整数的反转。此外,还特别关注了边界条件的处理,确保反转后的结果仍处于32位有符号整数的有效范围内。

题目是将一个32位有符号整数反转,例如-123 -> -321 。

将一个整数反转,如果不考虑边界问题,将整数x取余k,再将x除10,将反转数y乘10再加上k,不断重复直到x=0即可。

需要注意,JAVA负数取余,余数与被除数的符号保持一致,所以此方法不用特意讨论整数的正负。

然后对边界进行讨论,32位有符号整数的范围是-2147483648 ~ 2147483647,每次在处理y之前要进行边界判定,注意如果y恰好等于+/-214748364,要对余数k进行讨论。

class Solution {
    public int reverse(int x) {
        int y=0;
        while (x != 0) {
            int k = x % 10;
            x /= 10;
            if (y > Integer.MAX_VALUE/10 || (y == Integer.MAX_VALUE / 10 && k > 7)) return 0;
            if (y < Integer.MIN_VALUE/10 || (y == Integer.MIN_VALUE / 10 && k < -8)) return 0;
            y = y* 10 + k;
        }
        return y;
    }
}

 

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