Wood Cut

二分查找的一个经典例子

 

非递减数列的二分查找

class Solution {
    /**
     * @param nums: The integer array.
     * @param target: Target to find.
     * @return: The first position of target. Position starts from 0.
     */
    public int binarySearch(int[] nums, int target) {
        //write your code here
        int start=0;
        int end=nums.length-1;
        while(start<=end){
            int mid=(start+end)/2;
                               
            if(nums[mid]>=target){
                end=mid-1;
            }else{
                start=mid+1;
            }
        }
        if(nums[end+1]==target){
            return end+1;
        }
        return -1;
    }
}

这个题,看起来很简单,可是仔细一看是含有重复值的非递减数组,那这个时候碰到target这个数字的时候就不能立刻返回了,那么这个时候需要继续在左半部分找更早出现的target。这个时候让end=mid-1, 并且把终止条件变成start<=end,这样如果target就一个,并且因为为了找更靠前的而错过了,那么最后的end+1就是target的位置,因为找到target之后end会后移,那么最后target要么出现在end+1,要么不存在。

 

 Wood Cut

Given n pieces of wood with length L[i] (integer array). Cut them into small pieces to guarantee you could have equal or more than k pieces with the same length. What is the longest length you can get from the n pieces of wood? Given L & k, return the maximum length of the small pieces.

 
Example

For L=[232, 124, 456]k=7, return 114.

public class Solution {
    /** 
     *@param L: Given n pieces of wood with length L[i]
     *@param k: An integer
     *return: The maximum length of the small pieces.
     */
    public int woodCut(int[] L, int k) {
        // write your code here
        int maxlen=0;
        for(int i=0;i<L.length;i++){
            if(L[i]>maxlen){
                maxlen=L[i];
            }
        }
        int start=1;
        int end=maxlen;
        while(start<=end){
            int mid=start+(end-start)/2;
            if(howmuch(L,mid)<k){
                end=mid-1;
            }else{
                start=mid+1;
        }
    }
    return start-1;


}
    public int howmuch(int[] l,int n){
        int count=0;
        for(int i=0;i<l.length;i++){
            count+=l[i]/n;
        }
        return count;
    }
}

解析:

和二分查找的比较

这个题很好
1.如果不仔细想,真想不到二分。其实二分法就是简单暴力遍历的一个折中版本,但是性能好很多。
2.之前看到别人说,在求(n+m)/2时,应该用n+(m-n)/2,可是一直没有遇到这种情况,今天终于遇到了。。
3.还要多注意是不是数值越界,或者什么时候要用long型

本题和非递减数列的二分查找类似
二分查找中,是找到满足条件的之后再继续找前半部分,因为要找更靠前的。
这个题,是找到一个木棒的长度可以满足可以截出至少k个木棒的情况之后,不能停,继续找后半部分,因为要找更长的长度。

如果是需要找一个尽量靠前的target的话,那么这个时候应该是在>=的情况下都要end=mid-1; 最后return end+1
如果是需要找尽可能靠后的target的话,那么这个时候应该是在<=的情况下都要start=mid+1;最后return start-1

转载于:https://www.cnblogs.com/tobemaster/p/6014589.html

**项目名称:** 基于Vue.js与Spring Cloud架构的博客系统设计与开发——微服务分布式应用实践 **项目概述:** 本项目为计算机科学与技术专业本科毕业设计成果,旨在设计并实现一个采用前后端分离架构的现代化博客平台。系统前端基于Vue.js框架构建,提供响应式用户界面;后端采用Spring Cloud微服务架构,通过服务拆分、注册发现、配置中心及网关路由等技术,构建高可用、易扩展的分布式应用体系。项目重点探讨微服务模式下的系统设计、服务治理、数据一致性及部署运维等关键问题,体现了分布式系统在Web应用中的实践价值。 **技术架构:** 1. **前端技术栈:** Vue.js 2.x、Vue Router、Vuex、Element UI、Axios 2. **后端技术栈:** Spring Boot 2.x、Spring Cloud (Eureka/Nacos、Feign/OpenFeign、Ribbon、Hystrix、Zuul/Gateway、Config) 3. **数据存储:** MySQL 8.0(主数据存储)、Redis(缓存与会话管理) 4. **服务通信:** RESTful API、消息队列(可选RabbitMQ/Kafka) 5. **部署与运维:** Docker容器化、Jenkins持续集成、Nginx负载均衡 **核心功能模块:** - 用户管理:注册登录、权限控制、个人中心 - 文章管理:富文本编辑、分类标签、发布审核、评论互动 - 内容展示:首页推荐、分类检索、全文搜索、热门排行 - 系统管理:后台仪表盘、用户与内容监控、日志审计 - 微服务治理:服务健康检测、动态配置更新、熔断降级策略 **设计特点:** 1. **架构解耦:** 前后端完全分离,通过API网关统一接入,支持独立开发与部署。 2. **服务拆分:** 按业务域划分为用户服务、文章服务、评论服务、文件服务等独立微服务。 3. **高可用设计:** 采用服务注册发现机制,配合负载均衡与熔断器,提升系统容错能力。 4. **可扩展性:** 模块化设计支持横向扩展,配置中心实现运行时动态调整。 **项目成果:** 完成了一个具备完整博客功能、具备微服务典型特征的分布式系统原型,通过容器化部署验证了多服务协同运行的可行性,为云原生应用开发提供了实践参考。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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