LetCode368. Largest Divisible Subset

本文提供了一种解决LeetCode上最大整除子集问题的有效算法。通过对输入数组进行排序,并使用动态规划的方法,寻找出满足条件的最大子集。最终实现了32毫秒运行时间的解决方案。

https://leetcode.com/problems/largest-divisible-subset/description/


Given a set of distinct positive integers, find the largest subset such that every pair (Si, Sj) of elements in this subset satisfies: Si % Sj = 0 or Sj % Si = 0.

If there are multiple solutions, return any subset is fine.
Example 1:

nums: [1,2,3]

Result: [1,2] (of course, [1,3] will also be ok)

Example 2:

nums: [1,2,4,8]

Result: [1,2,4,8]


首先对数组排序,这里我按照升序排列。
创建两个数组,n和pos,n[i]代表nums[i]在其所在子数组中的位置,pos[i[代表其下一个除数的在nums中的位置,即nums[pos[i]]%nums[i] == 0。
然后遍历数组。在遍历的过程中吗,每到一个元素都再次遍历先前遍历过的部分,如果存在当前遍历元素的因数,则判断n[i] < n[j]+1,是否成立。因为这可以判断nums[j]是否是nums[i]最近的一个因数, 如果是,才会进入下一步。
n[i] = n[j]+1;意味着i是j在子数组中的后一位。
pos[i] = j,这样只要知道子数组最后一个元素在nums中的的位置,就可以知道子数组所有元素的位置。
最大子数组的最后一个元素位置用maxpos记录,max为最大子数组长度。
遍历完成后,我已经得知最大子数组的长度以及最大子数组最后一位在nums中的位置。
通过

for (int i = max; i > 0; i--) {
            m.push_back(nums[maxpos]);
            maxpos = pos[maxpos];
        }

不断的向前读取,直到将最大子数组所有元素全部存入m中,返回m。


class Solution {
public:
    vector<int> largestDivisibleSubset(vector<int>& nums) {
        if (!nums.size()) return vector<int>();
        sort(nums.begin(), nums.end());
        int pos[nums.size()] = {0}, n[nums.size()] = {0};
        int max = 0, maxpos = 0;
        for (int i = 0; i < nums.size(); i++) {
            for (int j = i; j >= 0; j--) {
                if (0 == nums[i]%nums[j]&& n[i] < 1 + n[j]) {
                    n[i] = n[j]+1;
                    pos[i] = j;
                    if (n[i] > max) {
                        max = n[i];
                        maxpos = i;
                    }
                }
            }
        }
        vector<int> m;
        for (int i = max; i > 0; i--) {
            m.push_back(nums[maxpos]);
            maxpos = pos[maxpos];
        }
        return m;
    }
};

40 / 40 test cases passed.
Status: Accepted
Runtime: 32 ms


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