每日一练6.24/6.25——旋转数组的最小数字

旋转数组的最小数字

把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个递增排序的数组的一个旋转,输出旋转数组的最小元素。例如,数组 [3,4,5,1,2] 为 [1,2,3,4,5] 的一个旋转,该数组的最小值为1。

示例 1:
输入:[3,4,5,1,2]
输出:1
示例 2:
输入:[2,2,2,0,1]
输出:

两种思路:

  1. O(n) 复杂度:遍历一遍,寻找降序点,输出降序点值,如果找不到,输出列表的首元素
  2. O(logn)复杂度:二分查找,注意分治方法,必须保证每次的规模都是减小的,而且要注意最后输出的是值而不是转折点的索引

# 第一种思路
def min_ele(nums):
    for i in range(1, len(nums)):
        if nums[i - 1] > nums[i]:
            return nums[i]
    return nums[0]

# 第二种思路
def min_element(nums):
    i = 0
    j = len(nums) - 1
    while i < j:
        mid = (i + j) // 2 # 左二分点,必有i <= mid < j
        if nums[mid] < nums[j]:
            j = mid
        elif nums[mid] > nums[j]:
            i = mid + 1   # 必须是mid + 1, 不能是mid,保证规模减小
        else:
            j -= 1  # 分析见后文
    return nums[i]
       

关于nums[mid] == nums[j]的分析:

  1. 如果mid在左序列,则nums[i, mid]j上的值都是相等的。进一步,若j不是旋转点,则旋转点在[i, j - 1]中。若j是旋转点,则[i, j - 1]为递增序列,继续走下去会输出序列首,并且序列首的值和旋转点的值相等。
  2. 如果mid在右序列,则旋转点在[i, mid]mid < j,从而在[i, j - 1]中。

实现代码中的问题:

  1. 二分法三点:改变左右索引,保证规模减小,并且最终值在区间中。
  2. 通常使用while i < j的模式实现。如果用递归写,也可以,但是比较麻烦,逻辑上也不好处理变化。
  3. 比较时使用起点或者终点作为基准点,而不是中间点周围的点如mid + 1, 那样会把问题搞复杂。
  4. 对于nums[mid] == nums[j]的讨论具有技巧,注意把握。
01、数据简介 规模以上工业企业,是指年主营业务收入达到一定规模的工业法人单位。这一标准由国家统计局制定,旨在通过统一口径筛选出对工业经济具有显著贡献的“核心企业”,为政策制定、经济监测和学术研究提供精准数据支撑。 数据名称:地级市-规模以上工业企业相关数据 数据年份:2000-2024年 02、相关数据 原始数据:年份 省份 城市 省份代码 城市代码 规模以上工业企业单位数(个) 规模以上工业增加值增速(%) 规模以上工业企业单位数_内资企业(个) 规模以上工业企业单位数_港澳台商投资企业(个) 规模以上工业企业单位数_外商投资企业(个) 规模以上工业亏损企业单位数(个) 插值:年份 省份 城市 省份代码 城市代码 规模以上工业企业单位数(个) 规模以上工业企业单位数(个)_线性插值 规模以上工业企业单位数(个)_回归填补 规模以上工业增加值增速(%) 规模以上工业增加值增速(%)_线性插值 规模以上工业增加值增速(%)_回归填补 规模以上工业企业单位数_内资企业(个) 规模以上工业企业单位数_内资企业(个)_线性插值 规模以上工业企业单位数_内资企业(个)_回归填补 规模以上工业企业单位数_港澳台商投资企业(个) 规模以上工业企业单位数_港澳台商投资企业(个)_线性插值 规模以上工业企业单位数_港澳台商投资企业(个)_回归填补 规模以上工业企业单位数_外商投资企业(个) 规模以上工业企业单位数_外商投资企业(个)_线性插值 规模以上工业企业单位数_外商投资企业(个)_回归填补 规模以上工业亏损企业单位数(个) 规模以上工业亏损企业单位数(个)_线性插值 规模以上工业亏损企业单位数(个)_回归填补
内容概要:本文深入介绍了谷歌推出的Gemini 3 Deep Think——一种基于大模型的增强型推理模式,具备并行推理、多模态理解融合和“深度思考”能力,专为解决复杂算法重构与调试难题而设计。文章详细剖析了其核心技术优势,包括16条并行推理路径、跨模态信息整合以及模拟人类“慢思考”的迭代推理过程,并通过电商平台推荐系统优化和计算机视觉目标检测算法改进两大案例,展示了其在真实场景中显著提升算法性能与准确性的能力。同时,文章对比了其与传统工具在功能全面性、效率和准确性方面的压倒性优势,并探讨了实际应用中面临的算力需求、系统兼容性和数据安全挑战及其应对策略,最后展望了其对程序员角色转变和整个软件行业的深远影响。; 适合人群:具备一定编程经验的中高级程序员、算法工程师、AI研究人员及技术管理者;尤其适用于从事复杂系统开发、算法优化和性能调优的专业人士。; 使用场景及目标:①在大型项目中进行算法性能瓶颈分析与重构;②提升复杂代码调试效率,快速定位并修复隐蔽错误;③融合多源信息(如代码、公式、图表)进行智能算法设计与优化;④推动企业级AI系统升级与智能化开发流程转型。; 阅读建议:此资源兼具技术深度与实践价值,建议读者结合自身项目背景,重点关注技术原理与案例实现的对应关系,尝试将Gemini 3 Deep Think的思维方式融入日常开发与调试中,同时关注其在云平台部署、安全合规等方面的最佳实践,以充分发挥其潜力。
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