Trapping Rain Water

本文详细解析了雨水陷阱问题的算法实现,通过三遍扫描法和栈的应用来寻找左右最大值并计算容积,介绍了如何利用栈进行高效计算,避免多次遍历。


题目分析

1. 这题本身问题并不是特别复杂,从左边扫一遍找到所有的左边最大值,再从右边扫一遍找到右边的最大值,再扫一遍算出每个单位的容积就可以了。

2. 但是比较有意思的是到底需要扫几遍才能够得到正确的解,从上面可以看出最朴素的算法是扫3遍。但是显然第三遍和第二遍是可以在一起完成的,因为第一遍已经得到MaxL,第二遍的时候可以同时得到MaxR和当前点的高度H,只要用Min{MaxL, MaxR} - H就可以求解出某个位置的容积了。

3.但是能不能在一遍扫描以内完成这个操作呢,就有一点麻烦,因为可以看出上面求MaxLMaxR是要从两个不同的方向扫描得到的。我在网上看到的一个比较巧妙的思路就是用栈来描述这个过程,当序列是递减的时候不断地压栈,当序列递增的时候把栈中的元素弹出来和当前元素比较,求出对应的面积。这个思路细想还是很自然的,有点类似于下山的时候每隔一个单位放下一个锚点,拉出一条绳子,当上山的时候走到相同高度的时候测量绳子的长度,然后再把每段绳子长度叠加就得到了最终的值。


题目代码

    int trap(int A[], int n) {
        if(n<3) return 0;
        stack<int> s;
        s.push(0);
        int res = 0;
        
        for(int i=1; i<n; i++) {
            int j = s.top();
            if(A[i]>A[j]) {
                int bottom = A[j];
                s.pop();
                while(!s.empty()) {
                    j = s.top();
                    int temp = std::min(A[i],A[j]);
                    res += (temp-bottom)*(i-j-1);
                    bottom = temp;
                    if(A[j]>=A[i])
                        break;
                    else
                        s.pop();
                }
                if(A[i]==A[j])
                    s.pop();
            }
            else if(A[i]==A[j])    //A[i]==A[j]
                s.pop();
            s.push(i);
        }
        return res;
    }


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
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