Leetcode 初级算法 - 排序和搜索

本文分享了LeetCode初级算法中排序与搜索类题目——合并两个有序数组及第一个错误的版本的解决方案。针对合并两个有序数组,采用三指针法从后往前合并;对于第一个错误的版本,则使用二分查找法确定首个错误版本的位置。

Leetcode 初级算法 - 排序和搜索

原始地址:https://github.com/jerrylususu/leetcode-easy
二级标题格式:[章节内题号] [题库内题号] [题目标题]

1 88 合并两个有序数组

我的思路:直接用三个指针 从nums1的后面往前面移动 从大的合并到小的。

public void merge(int[] nums1, int m, int[] nums2, int n) {
    int c1=m-1,c2=n-1,c3=m+n-1;
    while(c1>=0&&c2>=0){
        if(nums1[c1]<nums2[c2]){
            nums1[c3--]=nums2[c2--];
        } else {
            nums1[c3--]=nums1[c1--];
        }
    }
    if(c1==-1&&c2!=-1){
        while(c2!=-1){
            nums1[c3--]=nums2[c2--];
        }
    }
}

其他思路:基本上都相同…顶多是语法上更简单…

2 278 第一个错误的版本

我的思路:这一看就是二分…

注意 1. mid需要用 l + (r-l)/2 防止溢出…测试样例比较强 2. 二分退出之后未必一定成功 还需要一个while验证

public int firstBadVersion(int n) {
    int l=0,r=n,mid=-1;
    while(l<=r){
        mid=l+(r-l)/2;
        if(isBadVersion(mid)){
            r=mid-1;
        } else {
            l=mid+1;
        }
    }
    while(!isBadVersion(mid)){
        mid++;
    }
    return mid;
}

其他思路:通过恰当设置二分 可以避免最后的while

为什么这样可行?如果当前mid是bad version,那么bad version的区间应该是 [left,mid]

反之 如果当前mid不是bad version,那么bad version的区间应该是[mid+1,right]

二分搜索本身是inclusive的 所以前者应该是right=mid 后者应该是left=mid+1

同理 搜索的时候l=0, r=len-1

// source:https://leetcode.com/problems/first-bad-version/solution/

public int firstBadVersion(int n) {
    int left = 1;
    int right = n;
    while (left < right) {
        int mid = left + (right - left) / 2;
        if (isBadVersion(mid)) {
            right = mid;
        } else {
            left = mid + 1;
        }
    }
    return left;
}
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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