[leetcode] 81.Search in Rotated Sorted Array II

本文探讨了在包含重复元素的旋转数组中,如何高效地搜索目标值。对比传统的二分查找方法,文章指出当数组允许元素重复时,最坏情况下需要O(n)时间复杂度进行线性查找。通过分析不同场景下的处理逻辑,文章提供了针对这种特殊情况的解决方案。

题目:
Follow up for “Search in Rotated Sorted Array”:
What if duplicates are allowed?

Would this affect the run-time complexity? How and why?

Write a function to determine if a given target is in the array.
题意:
给定一个数组,该数组是有序的,旋转数组的意思是将数组的前面一部分加到了数组的后面,比如1,2,3,4,5,旋转后的一个数组是4,5,1,2,3。但是与“Search in Rotated Sorted Array”题目不同的是现在的数组中允许有重复元素。
之前的思路是:我们将数组分为前面一部分与后面一部分,比如上面的数组,前面一部分是4,5;后面一部分是1,2,3。采用二分法查找时通过比较目标元素与数组的最后一个元素的关系可以判断出目标数字是在前面一部分中还是后面一部分中。二分查找时根据nums[middle]值也可以判断出nums[middle]是属于前面一部分还是属于后面一部分。从而再来调整二分的范围。
现在的思路:现在的问题是允许数组中元素值相同。比如1,3,1,1,nums[0]与nums[2]都是1,都与最后一个数字相同,所以此刻是无法判断这个1是属于前面一部分还是后面一部分。这种情况就属于最坏情况,此时需要通过O(n)的时间复杂度从前往后遍历去查找是否存在目标值。
具体代码如下:

class Solution {
public:
    bool search(vector<int>& nums, int target) {
        if (target == nums[0])return true;
        else if (target == nums[nums.size() - 1])return true;
        int start = 0;
        int end = nums.size() - 1;
        int middle = (start + end) / 2;
        while (start <= end){
            if (nums[middle] == target)return true;
            else if (nums[end] > nums[start]){
                if (nums[middle] > target)end = middle - 1;
                else start = middle + 1;
            }
            else{
                if (target > nums[end]){//target is in the before part
                    if (nums[middle] < nums[end])end = middle - 1;
                    else if (nums[middle] == nums[end]){//the worest case
                        for (int i = 0; i < nums.size(); i++){
                            if (nums[i] == target)return true;
                        }
                        return false;
                    }
                    else if (nums[middle] > target)end = middle - 1;
                    else start = middle + 1;
                }
                else{//target is in the last part
                    if (nums[middle] > nums[end])start = middle + 1;
                    else if (nums[middle] == nums[end]){//the worset case
                        for (int i = 0; i < nums.size(); i++){
                            if (nums[i] == target)return true;
                        }
                        return false;
                    }
                    else if (nums[middle] > target)end = middle - 1;
                    else start = middle + 1;
                }
            }
            middle = (start + end) / 2;
        }
        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