LeetCode-Single Number III

本文介绍了一种在数组中找出仅出现一次的两个元素的算法。通过使用异或操作,首先找到两个唯一元素的异或结果,然后利用该结果的二进制表示中的第一个1位,将数组分为两组并分别进行异或操作,最终找到这两个唯一元素。

Description:
Given an array of numbers nums, in which exactly two elements appear only once and all the other elements appear exactly twice. Find the two elements that appear only once.

Example:

Input:  [1,2,1,3,2,5]
Output: [3,5]

Note:

  • The order of the result is not important. So in the above example, [5, 3] is also correct.
  • Your algorithm should run in linear runtime complexity. Could you implement it using only constant space complexity?

题意:给定一个数组,包含出现两次和一次的元素,其中只有两个元素只出现一次;现要求找出这只出现了一次的两个元素;

解法:对于数组中只包含一个出现一次的元素,我们可以对所有的元素进行异或操作,那么最后得到的结果就是只出现一次的那个元素;
对于数组中包含两个出现一次的元素来说,我们可以将其划分为两个部分,每个部分都只包含一个出现一次的元素,这样我们分别对这两个部分的所有元素进行异或操作后就可以得到这两个只出现了一次的元素;所以,现在的问题就是如何就是如何将这个数组划分为两个两个部分;
我们知道如果异或的结果为1,那么这两个数的二进制表示中肯定有一个位置上一个为1,另外一个为0;我们就可以找到这个位置,根据这个位置上数字是1还是0将整个数组划分为两个部分,之后再分别对这两个部分进行异或操作就能够得到两个只出现一次的元素;

Java
class Solution {
    public int[] singleNumber(int[] nums) {
        //用于存储数组中所有数的异或结果
        int xorResult = 0;
        for (int num : nums) {
            xorResult ^= num;
        }
        //获得二进制表示中出现的第一个1的位置
        int firstIndex = firstIndexIsOne(xorResult);
        //定义只出现了一次的两个元素
        int result1 = 0;
        int result2 = 0;
        for (int num : nums) {
            if (indexPositonIsOne(num, firstIndex)) result1 ^= num;
            else result2 ^= num;
        }
        return new int[] {result1, result2};
    }

    //判断数字的二进制表示中index位是否为1
    private boolean indexPositonIsOne(int num, int index) {
        return ((num >> index) & 0x1) == 1 ? true : false;
    }

    //从数字的二进制表示中的低位向高位找到第一个为1的位置
    private int firstIndexIsOne(int num) {
        int index = 0;
        while (index < 32 && (num & 0x1) == 0) {
            index++;
            num >>= 1;
        }
        return index;
    }
}
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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