二分查找

二分查找详解与应用

二分查找元素代码:

[Java] 纯文本查看 复制代码
?
01
02
03
04
05
06
07
08
09
10
11
int base=0;
int top=size-1;
while(base<=top){
    mid=(top+base)/2;
        if(v[mid]==target) break; //mid为所求下标
        if(v[mid]<target) base=mid+1;
        if(v[mid]>target) top=mid-1;
}
[color=rgb(79, 79, 79)][font=&quot;][size=16px]二分查找过程:[/size][/font][/color][color=#4f4f4f][font=&quot;][size=16px] 我们可以把整个查找过程看成是不停地聚拢top和base,执行下面两种操作[/size][/font][/color]
[mw_shl_code=java,true]if(v[mid]<target) base=mid+1;
if(v[mid]>target) top=mid-1;


直到两者重合,然后越位退出循环,如果这个过程中出现了下面两个终止条件则提前结束:
1、v[mid]==target,即出现了查找目标,停止查找,返回mid为查到的目标下标. 最不理想的情况是直到最后top与base都会指向同一个元素target才返回.
2、如果数组中不存在targret,那么在最后一次循环体里面应该是这样的情形:top与base同时指向第一个大于target的元素,由于其大于target, 执行top=mid-1,那么结果就是base指向大于target的第一个数,top指向小3于target的最后一个数,然后退出循环.
利用二分查找定界

即给定一个有序数组,找到元素i,使得i之前的元素(包括i)都不大于target,i之后的元素都大于target.
可以分两种情况来考虑

1.数组中不存在target. 则根据第一部分的讨论,最后top和base同时指向第一个大于target的元素,然后进行最后一次小标变换,top=mid-1前移一个元素指向最后一个小于target的元素,base指向第一个大于target的元素.则top为所求

[Java] 纯文本查看 复制代码
?
1
2
3
4
5
while(base<=top){
    mid=(top+base)/2;
    if(v[mid]<target) base=mid+1;
    if(v[mid]>target) top=mid-1;
}


2.数组中存在target.我们只要把等于target的元素和小于target的元素归为一类,则最后结果仍然为top与base指向第一个大于target的元素,然后进行最后一次下标变换,top=mid-1前移一个元素,指向的是最后一个等于target的元素,base指向第一个大于target的元素.

[Java] 纯文本查看 复制代码
?
1
2
3
4
5
while(base<=top){
    mid=(top+base)/2;
    if(v[mid]<=target) base=mid+1;
    if(v[mid]>target) top=mid-1;
}


综合上面两种情况,最后的代码为

[Java] 纯文本查看 复制代码
?
1
2
3
4
5
while(base<=top){
    mid=(top+base)/2;
    if(v[mid]<=target) base=mid+1;
    if(v[mid]>target) top=mid-1;
}
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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