leetcode First Missing Positive

本文介绍了一种在未排序整数数组中寻找第一个缺失正整数的算法,该算法能在O(n)时间内运行并使用常数空间。通过具体示例展示了如何实现这一算法,并对比了两种不同版本的代码实现,帮助理解关键步骤。

Given an unsorted integer array, find the first missing positive integer.

For example,
Given [1,2,0] return 3,
and [3,4,-1,1] return 2.

Your algorithm should run in O(n) time and uses constant space.


swap

class Solution {
 public:
  int firstMissingPositive(int A[], int n) {
    int i, An = 0;
    for (i = 0; i < n; ++i)
      while (A[i] != i)
        if (A[i] >= 0 && A[i] < n && A[A[i]] != A[i])
          swap(A[i], A[A[i]]);  
        else if (A[i] == n) {
          An = n;
          break;
        }
        else
          break;
    for (i = 1; i < n; ++i)
      if (A[i] != i)
        return i;
    if (An)
      return An + 1;
    else
      return n ? n : 1;
  }
};

Here is a TLE version, find the bug:

class Solution {
 public:
  int firstMissingPositive(int A[], int n) {
    for (int i = 1; i <= n; ++i) {
      while (A[i-1] != i && A[i-1] >= 1 && A[i-1] <= n) {
        swap(A[i-1], A[A[i-1]-1]);
      }
    }      
    for (int i = 1; i <= n; ++i)
      if (A[i-1] != i)
        return i;
    return n+1;
  }
};
AC Code:

class Solution {
 public:
  int firstMissingPositive(int A[], int n) {
    for (int i = 1; i <= n; ++i) {
      while (A[i-1] != i && A[i-1] >= 1 && A[i-1] <= n && A[A[i-1]-1] != A[i-1]) {
        swap(A[i-1], A[A[i-1]-1]);
      }
    }      
    for (int i = 1; i <= n; ++i)
      if (A[i-1] != i)
        return i;
    return n+1;
  }
};



MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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