【LeetCode】667. Beautiful Arrangement II(优美的排列Ⅱ)

本文介绍了LeetCode上的“优美排列II”问题的解决方法,给出了一种通过构造数组来达到题目要求的有效策略,并附带了C++实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【LeetCode】667. Beautiful Arrangement II(优美的排列Ⅱ)

题目链接:https://leetcode.com/problems/beautiful-arrangement-ii/description/

难度:中

题目描述:

Given two integers n and k, you need to construct a list which contains n different positive integers ranging from 1 to n and obeys the following requirement: 
Suppose this list is [a1, a2, a3, ... , an], then the list [|a1 - a2|, |a2 - a3|, |a3 - a4|, ... , |an-1 - an|] has exactly k distinct integers.

If there are multiple answers, print any of them.

Example 1:

Input: n = 3, k = 1
Output: [1, 2, 3]
Explanation: The [1, 2, 3] has three different positive integers ranging from 1 to 3, and the [1, 1] has exactly 1 distinct integer: 1.

Example 2:

Input: n = 3, k = 2
Output: [1, 3, 2]
Explanation: The [1, 3, 2] has three different positive integers ranging from 1 to 3, and the [2, 1] has exactly 2 distinct integers: 1 and 2.

Note:

  1. The n and k are in the range 1 <= k < n <= 104.

解释:题目给定了两个整数n和k,要求创建一个含有n个正整数的数组,数组中的元素取值范围为1-n。并在构造的过程中遵守一定的规则,即数组中的元素两两相减之后得到k个不同的整数值

思路:这道题看起来要考虑的东西比较多,但其实说到底就是一道规律题,首先要明确的是,1-n个正整数两两相减最大有n-1种可能。即每次把最大的和最小的两个数取出做差,就可以得到n-1种不同的差。这样想来就十分简单了,通过取最大和最小凑出k-1种情况,后面的情况按照顺序排序(差为1)即可。

代码:

class Solution {
public:
    vector<int> constructArray(int n, int k) {
        vector<int> res;
        int small = 1, large = n;
        while (small <= large) {
            if (k > 1) {
                int cur = (k % 2 == 0 ? small++ : large--);
                res.push_back(cur);
                k--;
            } else {
                res.push_back(large--);
            }
        }
        return res;
    }
};

1.k分奇偶

2.规律找的不清晰,无法实现可以编成程序的思路。

暂时放到这,我会回来的。。。


日期:2018/2/11-22:16

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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