ARTS打卡第12周

本文深入探讨LeetCode中CircularArrayLoop题目,讲解如何通过双布尔数组策略判断数组中的循环,同时分享全域哈希和完全哈希的学习心得,以及对Java HashMap实现的见解。

A:Circular Array Loop  Medium

题目:

You are given a circular array nums of positive and negative integers.

If a number k at an index is positive, then move forward k steps. Conversely,

if it's negative (-k), move backward k steps. Since the array is circular,

you may assume that the last element's next element is the first element,

and the first element's previous element is the last element.

Determine if there is a loop (or a cycle) in nums. A cycle must start and end at the same index and the cycle's length > 1.

Furthermore, movements in a cycle must all follow a single direction. In other words, a cycle must not consist of both forward and backward movements.

题意:给定一个存在正数和负数的数组,寻找数组中的是否存在循环,假设数组首位相连,当第i位数是正数时向前行进nums[i]位,当第i位数是负数时向后行进|nums[i]|位,

一个循环必须拥有两个及以上的元素组成,并且循环的移动方向要一致

思路:使用一个boolean类型的数组记录移动方向一致,最终失败的元素,当遇到这类元素的时候直接终止本次的尝试,使用一个boolean类型的数组记录本次尝试移动方向一致的元素,

当移动方向一致,下一元素j是已经出现过的并且和当前元素不同,得出存在循环,如果方向一致,下一元素j是未记录的元素,则以j为当前元素,继续查找下一元素,

遇到方向不一致是终止当前尝试,更换起始的元素。

方案:https://leetcode.com/submissions/detail/234708275/     

https://leetcode.com/submissions/detail/234707586/  

R:本周学习了http://open.163.com/movie/2010/12/3/A/M6UTT5U0I_M6V2TGI3A.html 全域哈希和完全哈希,全域哈希是使用随机算法从一个哈希函数集合中选取一个哈希函数,

避免由于被恶意的针对,对于任意的不相等key的x和y, 当槽的数量为m时,从哈希函数集中选择一个哈希函数,这两个key,发生冲突的概率是1/m。

完全哈希的思想就是采用两级的框架,每一级上都用全域哈希。完全哈希可以在最坏情况下以O(1)复杂度查找,性能出色。

T:本周查看了java的HashMap的实现,和算法导论中提到的普通哈希一致,都是将不同的key经过hash算法,映射到不同的槽里,当遇到不同的key的hash值一致的时候,

根据不同的情况将对应的key写入到链表中或者二叉树中。在查找相同的hash值的key时,遍历链表或者二叉树进行查找,删除和查找的方式一致。

S:http://open.163.com/movie/2018/8/Q/R/MDPBV80UO_MDPBVMKQR.html,分享一个关于无聊如何能够带来你最出色的想法的演讲,讲如何降低手机的使用频率,

利用空闲的时间做更多有意义的事情,而不是被手机支配,要把手机当做工具,分享里面的一句话,把客户叫“用户”的人,除了毒贩就是科技人员了。

转载于:https://www.cnblogs.com/wujunjie-Blog/p/10995364.html

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