- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术总结
算法（2）
有两个算法 A 和 B ，假设两个算法的输入规模都是 n，算法 A 要做 2n+3 次操作，算法 B 要做 3n+1 次操作。觉得谁快？看下图： ? 而当 n = 2 时，两者效率相同；当 n > 2时，算法 A 就开始优于算法 B 了，随着 n 的增加， 算法 A 比算法 B 越来越好了，得出结论，算法 A 好过 算法 B 判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略 2、在修改后的运行次数函数中，只保留最高阶项。 3、如果最高阶项存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶 3、常数阶 高斯算法，时间复杂度不是O(3)，而是O(1)。 //第二种算法 int sum = 0, n = 100; /*执行1次*/ sum = (1 + n) * n/2; /*执行1次*/ printf( 也就是说，有多少个2相乘后大于n,则会退出循环。由2× = n ，得到 x = ㏒2n (2缩小)。所以这个循环的时间复杂度为O(㏒n)。
1.2K90发布于 2018-05-22 - 来自专栏Article
算法 Day 2
冒泡排序 平均时间复杂度 O(n2) 空间复杂度 O(1) function bubbleSort(arr) { var i = arr.length; var position =
16210编辑于 2022-06-14 - 来自专栏AngelNI
排序算法-2
start++] =arr[p]; } } void mergesort(ll *A,ll start,ll end) { if(start<end) { ll mid = (start+end)/2; = a[i]; a[i] = a[j]; a[j] = t; } void heapify(ll *tree,ll n,ll i) { if(i>=n) return ; ll c1 = 2* i+1; ll c2 = 2*i+2; ll max = i; if(c1<n&&tree[c1]>tree[max]) { max = c1; } if(c2<n&&tree[c2]> tree[max]) { max = c2; } if(max ! = i) { swap(tree,max,i); heapify(tree,n,max); } } void heapsort(ll *a,ll n) { for(ll i =n/2-1;
34110发布于 2020-04-14 - 来自专栏修也的进阶日记
算法手记2
NC296 最小花费爬楼梯 牛客网题目链接(点击即可跳转):NC296 最小花费爬楼梯 题目详情: 本题详情如下图: 题目思路: 本题解题思路如下: 基础动态规划,1.写出动态转换方程2. vector<int>& cost) { vector<int> dp; dp.resize(cost.size()+1); for(int i=2; i<=cost.size();i++) dp[i]=min(dp[i-1]+cost[i-1],dp[i-2]+cost[i-2]); return dp[cost.size ()]; } }; 结语 说点啥好呢...不断修补细节然后提高效率,不断学习算法并应用出肌肉记忆.
17100编辑于 2025-03-14 - 来自专栏云深之无迹
Python 算法.2
如果 a+b+c=1000，且 a^2+b^2=c^2（a,b,c 为自然数），如何求出所有a、b、c可能的组合? + b**2 == c**2 and a+b+c == 1000: print("a, b, c: %d, %d, %d" % (a, b, c)) end_time + b**2 == c**2: print("a, b, c: %d, %d, %d" % (a, b, c)) end_time = time.time() print("elapsed (nlogn) < O(n2) < O(n3) < O(2n) < O(n!) = Timer("test2()", "from __main__ import test2") print("append ", t2.timeit(number=1000), "seconds")
63430发布于 2021-04-28 - 来自专栏强化学习专栏
聚类算法（2）--- ISODATA算法
文章分类在AI学习笔记： AI学习笔记（8）---《聚类算法（2）--- ISODATA算法》 聚类算法（2）--- ISODATA算法 一、 ISODATA算法 ISODATA 其他聚类算法见： 聚类算法（1）---最大最小距离、C-均值算法 1.1算法原理 SODATA算法采用迭代的方式动态地更新簇的数目和簇的中心，根据设定的参数来调整簇的数量以及样本点与簇之间的距离等 （4）簇分裂：重复执行步骤2和步骤3，直至满足终止条件（如簇中心不再发生大的变化、达到最大迭代次数等）。 算法注意事项 ISODATA算法相比于传统的K-means算法增加了簇合并和簇分裂的步骤，这使得算法能够动态地调整簇的数量和形状，适应数据的复杂性。 三、 ISODATA算法实验结果 相关参数设置： 参数类型 数值 预期的聚类数 2 初始聚类中心个数 3 每类的最小样本数 3 标准差阈值 0.1 最小中心距离 2 每次可合并的最多对数 3 迭代次数
62810编辑于 2024-12-03 - 来自专栏数据云团
算法篇-python排序算法-2
让指定的元素归位，就是放到它应该放的位置（左边元素比它小，右边元素比他大），然后对每个元素归位，完成排序。
69630发布于 2019-07-18 - 来自专栏码农帮派
LeetCode中级算法-回溯算法（2）
子集 [题目] 给定一个不包含重复元素的数组，返回该数组所有可能的子集 [输入] [1,2,3] [返回] [[] [3] [2] [2 3] [1] [1 3] [1 2] [1 2 3]] [解法 所以我们在回溯index元素的时候，可以根据这两种状态分别进行回溯 [代码实现] package main import "fmt" func main() { input := []int {1,2,3 [ ["A","B","C","E"], ["S","F","C","S"], ["A","D","E","E"], ] [输入1] "ABCCED" [返回1] true [输入2] "ABCS" [返回2] false [解法] 这个题目的解点是第i个元素的上下左右是不是下一个元素，遍历整个字符串，当遍历到第i个字符串的时候，需要在上一个字母的坐标周围(上下左右)找到第i个字母
54920发布于 2021-01-12 - 来自专栏云时之间
算法导论系列:贪心算法(2)
这篇文章我们将来一起看看贪心算法一个具体例子, Dijkstra算法 Dijkstra算法最著名的应用是解决单元最短路径,这是一类贪心算法,他先是求出长度最短的一条路径,然后参照这一条最短路径去求出长度次短的路径 这个算法不仅仅是贪心算法,其实也是一种特殊的动态规划,动态规划的本质是独立的子问题,而贪心每次可以求得最优的独立子问题,这两者有一些交集,但是收到很多约束,会影响适应的范围. 下图是算法的过程(用电子屏幕写字果然很不舒服): ? ? 最终的路径为: ? 代码如下: ? 运行结果: 1:输入样例 ? 2:输出结果 ? 下一篇文章我们将一起学习下哈夫曼编码
94130发布于 2018-10-09 - 来自专栏云时之间
算法导论系列:贪心算法(2)
这篇文章我们将来一起看看贪心算法一个具体例子, Dijkstra算法 Dijkstra算法最著名的应用是解决单元最短路径,这是一类贪心算法,他先是求出长度最短的一条路径,然后参照这一条最短路径去求出长度次短的路径 这个算法不仅仅是贪心算法,其实也是一种特殊的动态规划,动态规划的本质是独立的子问题,而贪心每次可以求得最优的独立子问题,这两者有一些交集,但是收到很多约束,会影响适应的范围. 现在我们假设景点地图如上所示,从起点到下一个点都会有具有方向路径和相应的权重,我们可以使用矩阵进行表示,如下图所示: 下图是算法的过程(用电子屏幕写字果然很不舒服): 最终的路径为: 代码如下: 运行结果: 1:输入样例 2:输出结果 下一篇文章我们将一起学习下哈夫曼编码
1.1K10发布于 2018-09-26 - 来自专栏python基础文章
初入算法（2）—— 进入算法世界
二.兔子数列 1.什么是兔子数列 2.递推公式 3.尾数循环 ---- 前言 努力是为了不平庸~ 在分享的同时加深对于算法的理解，同时吸收他人的奇思妙想，一起见证技术er的成长~ 本章将会继续在初入算法 ---- 2.算法中的时间复杂度 如果算法的时间复杂度是O(2n次方) 会怎样？随着n的增长，算法会不会“爆掉”？ （2）多项式阶 很多算法的时间复杂度是多项式，通常用O（n)、O(n²)、O(n³）等表示。 （3）指数阶 指数阶算法的运行效率极差，程序员往往像躲“恶魔”一样避开这种算法。 指数阶算法的时间复杂度通常用O（2ⁿ）、O（n!）、O（nⁿ）等表示。 （4）对数阶 对数阶算法的运行效率较高，通常用O（logn)、O（nlogn)等表示。 (n-2); } 算法验证： 假设T(n)表示计算Fib1（n)所需的基本操作次数，那么： n=1时，T(n)=1； n=2时，T(n)=1； n=3时，T（n）=3；//调用Fib1（2）和Fib1（
54630编辑于 2022-11-20 - 来自专栏网页前端
算法day2
2.如果W部分为蓝色， 则B与W的元素对调，而B与W必须各 +1， 表示两个群组都多了一个元素。 2.如果W所在的位置是红色，则将W与R交换，但R要减 1，表示未处理的部分减 1.
36620发布于 2021-04-13 - 来自专栏奇点大数据
遗传算法（2）
在遗传算法中我们再举一个求极大值的例子。这种例子也是比较多见的，只要我们把一些数据关系描述成函数之后就会有一些求极大值或者极小值的问题。 没学过微积分的朋友也先别着急，我们今天介绍的不是这种微积分领域常用的办法，还是考虑用遗传算法的思路来做。 在刚刚这个山峦叠嶂的小小区域，我们再冒充一把上帝。 2 011000100101100 001100110011001 1Y+2Y XB: 011000100101001 YB: 001100101010101 如表格所示，如果染色体1和2进行结合 ，那么 1染色体的X基因的前7位和2染色体的X基因的后8位将结合； 1染色体的Y基因的前7位和2染色体的Y基因的后8位将结合； 2染色体的X基因的前7位和1染色体的X基因的后8位将结合； 2染色体的Y基因的前 这一类的问题可能我们以后在写遗传算法中也同样会遇到，请大家注意。 怎么破呢，我觉得可以考虑以下两个方法。
1.4K120发布于 2018-04-11 《算法导论》第 2 章 - 算法基础
大家好，今天我们来一起学习《算法导论》的第 2 章 —— 算法基础。 2.2 分析算法 分析算法的目的是预测算法的资源消耗，以便比较不同算法的性能。在大多数情况下，我们最关心的是算法的运行时间。 算法分析： 求解递归式 T (n) = 3T (n/2) + n^2 求解递归式 T (n) = T (2n/3) + 1 实践题： 实现一个版本的归并排序，当子数组的规模小于某个阈值时，改用插入排序 理解不同算法的优缺点和适用场景，是成为一名优秀程序员的重要一步。 希望这篇学习笔记能帮助你更好地理解《算法导论》第 2 章的内容。 以上就是《算法导论》第 2 章的全部学习内容。通过理论学习和代码实践相结合的方式，相信大家已经对算法基础有了更深入的理解。
14910编辑于 2026-01-21- 来自专栏CreateAMind
R2D2算法介绍
R2D2: Recurrent Replay Distributed DQN 1. R2D2 is most similar to Ape-X, built upon prioritized distributed replay and n-step double Q-learning We train the R2D2 agent with a single GPU-based learner, performing approximately 5 network updates per For R2D2, we use a single neural network architecture and a single set of hyper-parameters across all R2D2 buffer数据结构复现及应用： https://github.com/createamind/DRL/blob/master/spinup/algos/sac1_rnn/sac1_rnn.py
2K20发布于 2019-08-06 - 来自专栏信息学
算法专题（2）-模拟
1.知识点梳理： Ø 模型建立与算法设计 模拟题题目可能会很繁琐，需抽取关键词，建立模型，再设计算法。算法设计过程中，需要考虑其完整性，即包含题目中所给的全部条件。 算法复杂度为O(n)。 例题2-2：机器翻译（NOIP2010） 【问题描述】小晨的电脑上安装了一个机器翻译软件，他经常用这个软件来翻译英语文章。 算法复杂度为O(NM)。 (3) 参数p2：填充字符的重复个数。p2=k表示同一个字符要连续填充k个。例如，当p2=3时，子串“d-h”应扩展为“deeefffgggh”。减号两边的字符不变。 例如当p1=1、p2=2、p3=2时，子串“d-h”应扩展为“dggffeeh”。
66320发布于 2019-12-03 - 来自专栏Initial programming
初识算法 · 模拟（2）
Z 字形变换 - 力扣（LeetCode） 题目分为三个部分讲解，一是题目解析，二是算法原理，三是算法编写，那么，话不多说，直接进行主题咯。 这就是题目解析部分，我们进入到算法原理部分。 就像是这样，转换成了下标之后，我们找规律就可以了，从第一行开始，发现是从0到6，也就是公差为6，此时的n是2，那么公差d是等于2 * n - 2的，其他n的取值也是这种情况，这里就不验证了。 if(numRows == 1) return s; // 开始解释 string ret; int d = 2 * numRows - 2; 算法原理 对于这道题目来说，是不是和提莫攻击这道题目有点类似，因为都是模拟一个序列，提莫攻击模拟的是提莫的攻击，对于这道题目来说模拟的是青蛙的蛙鸣行为。
26000编辑于 2024-11-19 - 来自专栏Initial programming
初识算法 · 分治(2)
库存管理 III - 力扣（LeetCode） 题目分为三个部分讲解，一是题目解析，二是算法原理，三是算法编写，那么，话不多说，直接进行主题咯。 那么直接进入算法原理部分咯。 算法原理 在前文我们知道，我们利用三个指针，将数组划分成了三个区域，分别是小于K的，等于K的，大于K的，那么我们要在该区域里面查找到第K个最大的元素，其实当我们划分好了区域之后，我们不妨分情况讨论，对于第三个区域 算法编写 class Solution { public: int GetRandom(vector<int>& v, int left, int right) { 题目的基本思路都是一样的，我们直接进入算法原理部分吧， 算法原理 其实对于这道题的解法非常多的，可以直接排序，然后返回，时间复杂度是N* LogN，也可以使用大小堆，时间复杂度是N * logK，但是都没有
29910编辑于 2024-11-26 - 来自专栏方丈的寺院
初级算法（2）-链表
l2 : l1; } ListNode head = l1.val < l2.val ? l1 : l2; ListNode cur1 = head == l1 ? l1 : l2; ListNode cur2 = head == l1 ? cur1中 next = cur2.next; pre.next = cur2; cur2.next = = head; while (step2 ! = null && step2.next !
42310发布于 2019-08-05 - 来自专栏目标检测和深度学习
常用排序算法总结（2）
来源：SteveWang http://www.cnblogs.com/eniac12/p/5332117.html 上一篇总结了常用的比较排序算法，主要有冒泡排序，选择排序，插入排序，归并排序，堆排序 这篇文章中我们来探讨一下常用的非比较排序算法：计数排序，基数排序，桶排序。在一定条件下，它们的时间复杂度可以达到O(n)。 这里我们用到的唯一数据结构就是数组，当然我们也可以利用链表来实现下述算法。 例如：对0到99之间的数字进行排序，计数排序是最好的算法，然而计数排序并不适合按字母顺序排序人名，将计数排序用在基数排序算法中，能够更有效的排序数据范围很大的数组。 工作的原理是将数组元素映射到有限数量个桶里，利用计数排序可以定位桶的边界，每个桶再各自进行桶内排序（使用其它排序算法或以递归方式继续使用桶排序）。 using namespace std; // 分类 ------------- 内部非比较排序 // 数据结构 --------- 数组 // 最差时间复杂度 ---- O(nlogn)或O(n^2)
61440发布于 2018-07-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号