c语言实现二分搜索(折半查找法)

#include<stdio.h>

int BinSearch(int a[],int num,int n)
{
    int low,mid,high;
    low=0;
    high=num-1;
    while(low<=high)
    {
        mid=(low+high)/2;
        if(a[mid]==n)
            return mid;
        if(a[mid]<n)
            low=mid+1;
        if(a[mid]>n)
            high=mid-1;
    }
    return -1;
}

void main()
{
    int a[]={2,3,5,6,8,10,12,13,15,18};//二分搜索是已排好序
    int i,n,addr;
    printf("the array is:\n");
    for(i=0;i<sizeof(a)/sizeof(int);i++)
        printf("%-4d",a[i]);
    printf("\nsearch number is:");
    scanf("%d",&n);
    addr=BinSearch(a,sizeof(a)/sizeof(int),n);
    if(-1==addr)
        printf("can't find!\n");
    else
        printf("the %d is %dth at the array.\n",n,addr);
}

这里写图片描述

### DeepSeek 思维实现原理 思维(Chain of Thought, CoT)作为一种强化学习框架下的技术,在处理复杂任务时能够有效提高模型的推理能力以及决策过程的透明度[^2]。具体到DeepSeek平台上的实施,其核心在于构建一个多阶段的推理机制。 #### 构建多阶段推理流程 为了使机器具备类似于人类专家解决问题的能力,系统设计者引入了分层结构来模拟逐步分析的过程。每一层专注于特定类型的逻辑运算或者事实验证,从而形成一条连贯的思想路径。当面对新问题时,该架构允许模型按照预定顺序执行一系列子任务,最终得出结论。 #### 提升可解释性与准确性 除了改善计算效率外,采用CoT方法还意味着可以更清晰地记录下每次判断背后的理由。这不仅有助于外部审计人员理解AI系统的运作模式,同时也便于内部调试优化工作。通过对中间状态的有效监控,开发团队能及时发现潜在缺陷并加以修正,进而保障整体性能表现稳定可靠[^3]。 #### 应用实例说明 以自然语言处理领域为例,假设给定一段文本要求概括主要内容。借助于预先训练好的大型预训练模型作为基础组件,再加上精心设计的任务导向型提示词(prompt),使得整个求解条更加紧凑高效: 1. **初步解析**:识别输入材料的关键要素; 2. **关联匹配**:查找相似案例或已有知识库条目; 3. **综合归纳**:提炼共通特征并给出简洁描述; 上述每一步骤均受到严格控制,并且全程留有痕迹以便后续审查评估。 ```python def chain_of_thought(input_text): parsed_elements = parse_input(input_text) # 初步解析 matched_cases = find_similar_cases(parsed_elements) # 关联匹配 summary = generate_summary(matched_cases) # 综合归纳 return { 'parsed': parsed_elements, 'matched': matched_cases, 'summary': summary } ```
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