力扣学习笔记 day6

题043.字符串相乘

题意

给定两个以字符串形式表示的非负整数 num1num2,返回 num1num2 的乘积,它们的乘积也表示为字符串形式。

eg

输入: num1 = “123”, num2 = “456”
输出: “56088”

要求

不能使用任何标准库的大数类型(比如 BigInteger)直接将输入转换为整数来处理


解题

因为要求不能直接转化为整型数计算,所以我的想法是,利用两个循环,将每个单独数字字符转化为整形,然后像小学时的乘法算式一样计算,时间复杂度为O(mn),m,n分别为两个字符串的长度,如下图:

在这里插入图片描述

具体的代码实现如下:

l1,l2=list(num1),list(num2)
res=0
for i in l1:
	res*=10
	tmp=0
	ii=int(i)
	for j in l2:
		tmp=tmp*10+ii*int(j)
	res+=tmp
return str(res)

题046.全排列

题意

给定一个没有重复数字的序列,要求返回它的全排列

eg

输入: [1,2,3]
输出:
[ [1,2,3], [1,3,2], [2,1,3], [2,3,1], [3,1,2], [3,2,1] ]


解题

用回溯方法,深度遍历数组,每次取一个数,实现如下:

res=[]

def dfs(n):
	if n==len(nums)-1:#遍历到最后一个数则结束,并将当前排列添加到答案中
		res.append(nums[:])
		return
	for i in range(n,len(nums)):
		nums[i],nums[n]=nums[n],nums[i]
		dfs(n+1)
		nums[i],nums[n]=nums[n],nums[i]
dfs(0)
return res

上面这个方法在取数时,利用互换的方式取数,未使用额外的空间,其实还可以换种做法,定义一个空数组tmp,作为临时存储使用。

res=[]
def dfs(n,tmp):
	if not n:
		res.append(tmp)
		return
	for i in range(len(n)):
		#取出第i个数加到tmp里
		dfs(n[:i]+n[i+1:],tmp+[n[i]])
dfs(nums,[])
return res

题053.最大子序和

题意

给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。

eg

输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。


解题

暴力求解

用一个数来存储当前最大的连续和,每遍历到一个数,看之前的连续和是不是正的

  • 连续和是的,把当前数加入连续和,更新当前最大值连续和
  • 若连续和是负的,说明不需要考虑,则把连续和设为当前遍历的值,并更新 最大值
tmp=nums[0]
res=tmp
for i in range(len(nums)):
	if tmp>0:
		tmp+=nums[i]
	else:
		tmp=nums[i]
	res=max(res,tmp)
return res	

时间复杂度为O(n)

动态规划

同样的遍历,直接在原数组上记录当前最大的连续和。
时间复杂度也是O(n)

for i in range(1,len(nums)):
	nums[i]=max(nums[i-1]+nums[i],nums[i])
return max(nums)
分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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