旋转数组的最小数字

题目:把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。输入一个递增的排序的数组的一个旋转,输出旋转数组的最小元素。例如输入{1,2,3,4,5}的一个旋转为{3,4,5,1,2},该数组的最小值为1。


算法思路:

1.旋转数组的特点就是一个数组为两个有序的数组,这里以升序为例
2.将数组的start和end获得,求mid,然后用numbers[mid]分别和numbers[start],numbers[end]比较
如果numbers[mid]>=numbers[start]:start=mid,循环比较mid之后的数组
如果numbers[mid]<=numbers[end]: end=mid,循环比较mid之前的数组
3.直到start和end相邻的时候,此时numbers[end]为最小的数字
注意:当numbers[mid],numbers[start],numbers[end]三个都相等的时候,应该采用顺序遍历的方式找到最小值


#include<iostream>
using namespace std;
int shunxu(int* numbers,int start,int end);
int Min(int *numbers,int length) throw (exception)
{
    if(numbers==NULL||length<=0)
        throw exception("参数错误!");
    int start=0,end=length-1;//start指向前面的有序数组的的下标,end指向后面有序数组的下标
    int mid=start;//将mid初始化为start,如果是数组没有旋转不进入while循环,直接return numbers[0]
    while(true)
    {
        if(start-end==-1)//start与end相差1时候则证明start为最大的数,end为最小的数
        {
            mid=end;
            break;
        }
        mid=(start+end)/2;
        //如果numbers[mid],numbers[start],numbers[end]相等的话,需要顺序遍历
        if(numbers[mid]==numbers[start]&&numbers[mid]==numbers[end])
        {
            return shunxu(numbers,start,end);
        }
        if(numbers[mid]>=numbers[start])//此时表示最小数在mid后面
            start=mid;
        else if(numbers[mid]<=numbers[end])//此时表示最小数在mid前面
            end=mid;
    }
    return numbers[mid];
}
//顺序遍历数组找最小值
int shunxu(int* numbers,int start,int end)
{
    int min=numbers[start];
    for(int i=start+1;i<=end;i++)
    {
        if(min>numbers[i])
            min=numbers[i];
    }
    return min;
}
int main()
{
    int a[20]={1,1,1,0,1};
    cout<<Min(a,5);
    return 0;
}

 

运行结果:

 

转载于:https://www.cnblogs.com/runninglzw/p/4491201.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