剑指Offer--二维数组中的查找(java & python)

一位程序员在平淡的一年里,经历裸辞与寻找工作的挑战,最终在一次业务需求中发现数据结构的魅力,决定重拾编程的乐趣。通过将收徒需求与树的数据结构结合,体验到了编程带来的成就感。

       年终了,平平淡淡的一年。经历了裸辞带着不到1年的工作经验投入首都的怀抱,苦苦寻求工作无果后落脚在一家外包公司,就在我开始怀疑编程打代码到底是我谋生的技能还是我喜欢的东西的时,甲方给了我一次惊喜,他们提了一个类似于最近比较流行于各大APP的收徒的需求,公司分为管理职级和非管理职级,当非管理职级的员工收徒达到一定数量时,就会晋升为管理职级,并把他徒弟以及徒子徒孙们一并带走成为他的下属员工。

       这让我想起了树的数据结构,所有员工建立的这种师徒关系就是一片森林,只要找到即将晋升的结点,把他的子结点遍历出来就是他需要带走的员工。这是我从业两年来在浩瀚无垠的增删改查的一束光,即使这是很简单的数据结构,但这是我在实际开发工作中第一次数据结构与业务场景的结合,此时我发现编程并不只是我谋生的工具,同时也热爱着编程并沉浸于编程,当我将这部代码开发完成,测试完成后那一刻的心情仿佛我用平A抢了大龙一样激动。于是我决定不该这样安于现状,要重新寻回编程的快乐。

我将用java和python两种语言刷一遍剑指Offer,java算是我的第一编程语言,python则是最近想入门的。

题目描述:

在一个二维数组中(每个一维数组的长度相同),每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序。请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整数。

 

由于矩阵从左到右,从上到下都呈递增排列,可以选取左下和右上两个点作为基点与目标元素比较大小,决定下标移动的方向

 

java:

public boolean Find(int target, int [][] array) {
		//边界校验
        if(array.length == 0 || array[0].length == 0){
            return false;
        }
        //选择起点(左下/右上)
        int x = 0;    // int x = array.length-1;
        int y = array[0].length-1;  // int y = 0;
        int begin;
        while(y>=0 && x<=array.length-1){ // x>=0 && y<=array[0].length-1
        	 begin = array[x][y];
        	 //查找成功
        	 if(target == begin){
        		 return true;
        	 }
        	 //目标大于该元素,坐标向下移动一步(如果选取左下作为起点,坐标则向右移动一步)
        	 if(target > begin){
        		 x++;  // y++;
        	 }
        	 //目标小于该元素,坐标向左移动一步(如果选取左下作为起点,坐标则向上移动一步)
        	 if(target < begin){
        		 y--; // x--;
        	 }
        }
        //查找失败
		return false;
    }

python:

def Find(self, target, array):
    if len(array) == 0 or len(array[0]) == 0:
        return False
    x = len(array)-1
    y = 0
    while x>=0 and y<=len(array[0])-1:
        pos = array[x][y]
        if target == pos:
            return True
        if target > pos:
            y += 1
        if target < pos:
            x -= 1
    return False

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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