LeetCode || Majority Element

本文介绍五种用于寻找数组中出现次数超过一半的元素(即众数)的算法,包括循环比较、排序、标记计数、位运算及改进位运算方法。这些算法在时间复杂度与效率上各有特点。

方法一:

按照顺序循环,如果两个元素不相等,则删除这两个元素。则剩下的为出现大于n/2次的那个元素。

耗时:144ms。


class Solution {
public:
    int majorityElement(vector<int>& nums) {
 
       int i = 1;
        
        while(nums.size() > 1 && i < nums.size())
        {
			if(i < 1)
			{
				i = 1;
				continue;
			}
            if(nums[i-1] != nums[i])
            {
                nums.erase(nums.begin() + i);
                nums.erase(nums.begin() + i-1);
				i--;
            }
            else
            {
                i++;
            }
        }
        
        return nums[0];
    }
};

解法2:

使用sort的解决方法,耗时48ms。

class Solution {
public:
    int majorityElement(vector<int>& nums) {
        sort(nums.begin(), nums.end());
        return nums[nums.size()/2];
    }
};

方法三:不进行实质的删除操作,只是做mark而已。

耗时20ms。

class Solution {
public:
    int majorityElement(vector<int>& nums) {
 
        int i = 1;
        int curr = nums[0];
        int count = 1;//表示当前数出现的次数
        while(i < nums.size())
        {
            if(nums[i] == curr)//如果与当前数据相同,则计数器加1
            {
                count++;
            }
            else
            {
                count--; //不相等,计数器减1
                if(count == 0)//当这个值与之前不相同的抵消后,则应该对curr重新赋值
                {
                    i++;//直接让其等于下一个,这句话可要可不要
                    curr = nums[i];
                    count++;
                }
            }
            i++;
        }
        return curr;
    }
};

方法四:位运算方法,耗时40ms。时间复杂度: O(32N)

class Solution {
public:
    int majorityElement(vector<int>& nums) {
        
        int flag = 1;
        vector<int> v;
        while(flag)//统计每一位中1的个数
        {
            int count = 0;
            for(int i = 0;i<nums.size();i++)
            {
                if(flag & nums[i])
                    count++;
            }
            
            if(count > nums.size()/2)//如果出现的个数大于n/2,则说明该位是出现较多次数的
                v.push_back(1);
            else
                v.push_back(0);
            
            flag = flag << 1;
        }
        
        int r = 0;
        for(int i = v.size()-1;i>=0;i--)//按位反过来保存
        {
            r = r << 1;
            if(v[i])
                r+=1;
        }
        return r;
    }
};

方法五:方法四的另一种实现方法。耗时40ms.

class Solution {
public:
    int majorityElement(vector<int>& nums) {
        
        int flag = 0;
        vector<int> v;
        int r = 0;
        while(flag<32)//统计每一位中1的个数
        {
            int count = 0;
            for(int i = 0;i<nums.size();i++)
            {
                if((nums[i] >> flag)&1)
                    count++;
            }
            
            if(count > nums.size()/2)//如果出现的个数大于n/2,则说明该位是出现较多次数的
                r|=(1<<flag);
            
            flag++;
        }
        
        return r;
    }
};


下载前可以先看下教程 https://pan.quark.cn/s/a4b39357ea24 在网页构建过程中,表单(Form)扮演着用户与网站之间沟通的关键角色,其主要功能在于汇集用户的各类输入信息。 JavaScript作为网页开发的核心技术,提供了多样化的API和函数来操作表单组件,诸如input和select等元素。 本专题将详细研究如何借助原生JavaScript对form表单进行视觉优化,并对input输入框与select下拉框进行功能增强。 一、表单基础1. 表单组件:在HTML语言中,<form>标签用于构建一个表单,该标签内部可以容纳多种表单组件,包括<input>(输入框)、<select>(下拉框)、<textarea>(多行文本输入区域)等。 2. 表单参数:诸如action(表单提交的地址)、method(表单提交的协议,为GET或POST)等属性,它们决定了表单的行为特性。 3. 表单行为:诸如onsubmit(表单提交时触发的动作)、onchange(表单元素值变更时触发的动作)等事件,能够通过JavaScript进行响应式处理。 二、input元素视觉优化1. CSS定制:通过设定input元素的CSS属性,例如border(边框)、background-color(背景色)、padding(内边距)、font-size(字体大小)等,能够调整其视觉表现。 2. placeholder特性:提供预填的提示文字,以帮助用户明确输入框的预期用途。 3. 图标集成:借助:before和:after伪元素或者额外的HTML组件结合CSS定位技术,可以在输入框中嵌入图标,从而增强视觉吸引力。 三、select下拉框视觉优化1. 复选功能:通过设置multiple属性...
【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点探讨了如何利用深度强化学习技术对微能源系统进行高效的能量管理与优化调度。文中结合Python代码实现,复现了EI级别研究成果,涵盖了微电网中分布式能源、储能系统及负荷的协调优化问题,通过构建合理的奖励函数与状态空间模型,实现对复杂能源系统的智能决策支持。研究体现了深度强化学习在应对不确定性可再生能源出力、负荷波动等挑战中的优势,提升了系统运行的经济性与稳定性。; 适合人群:具备一定Python编程基础和机器学习背景,从事能源系统优化、智能电网、强化学习应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微能源网的能量调度与优化控制,提升系统能效与经济效益;②为深度强化学习在能源管理领域的落地提供可复现的技术路径与代码参考;③服务于学术研究与论文复现,特别是EI/SCI级别高水平论文的仿真实验部分。; 阅读建议:建议读者结合提供的Python代码进行实践操作,深入理解深度强化学习算法在能源系统建模中的具体应用,重点关注状态设计、动作空间定义与奖励函数构造等关键环节,并可进一步扩展至多智能体强化学习或与其他优化算法的融合研究。
评论 2
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