18.Subsets II-带重复元素的子集(中等题)

带重复元素的子集

  1. 题目

    给定一个可能具有重复数字的列表,返回其所有可能的子集

    注意事项
    子集中的每个元素都是非降序的
    两个子集间的顺序是无关紧要的
    解集中不能包含重复子集

  2. 样例

    如果 S = [1,2,2],一个可能的答案为:
    这里写图片描述

  3. 挑战

    你可以同时用递归与非递归的方式解决么?

  4. 题解

本题与上一题17.Subsets-子集(中等题)区别就是需要进行剪枝操作。

1.递归法
还是借用本题样例数据,我们先看一下递归图:
这里写图片描述
图中红框中的步骤就是需要进行剪枝的部分,由于数据已经排序,所以产生重复结果的部分应该是相邻的元素造成的,通过观察也可以证实。如[1,2]产生重复的原因就是步骤2和步骤7造成的,而这两个步骤指向的元素都是2且相邻。

class Solution {
    /**
     * @param S: A set of numbers.
     * @return: A list of lists. All valid subsets.
     */
    public ArrayList<ArrayList<Integer>> subsetsWithDup(ArrayList<Integer> S) {
        ArrayList<ArrayList<Integer>> result = new ArrayList<ArrayList<Integer>>();
        Collections.sort(S);
        ArrayList<Integer> list = new ArrayList<Integer>();
        getSubsets(S,result,list,0);

        return result;
    }

    private void getSubsets(ArrayList<Integer> S, ArrayList<ArrayList<Integer>> result, ArrayList<Integer> list,int pos)
    {
        result.add(new ArrayList<Integer>(list));
        for (int i=pos;i<S.size();i++)
        {
            if (i!=pos && S.get(i) == S.get(i-1))
            {
                continue;
            }
            list.add(S.get(i));
            getSubsets(S,result,list,i+1);
            list.remove(list.get(list.size()-1));
        }
    }
}

2.非递归法
在上一题的基础上使用HashSet对结果进行过滤。

class Solution {
    /**
     * @param S: A set of numbers.
     * @return: A list of lists. All valid subsets.
     */
    public ArrayList<ArrayList<Integer>> subsetsWithDup(ArrayList<Integer> S) {
        ArrayList<ArrayList<Integer>> result = new ArrayList<ArrayList<Integer>>();
        Set<ArrayList<Integer>> set = new HashSet<ArrayList<Integer>>();  
        int n = S.size();
        Collections.sort(S);
        for (int i=0;i<(1<<n);i++)
        {
            ArrayList<Integer> list = new ArrayList<Integer>();
            for (int j=0;j<n;j++)
            {
                if (i&(1<<j) != 0)
                {
                    list.add(S.get(j));
                }
            }
            set.add(list);
        }
        return new ArrayList<ArrayList<Integer>>(set);  
    }
}

Last Update 2016.9.24

改进的Metropolis-Hastings算法结合子集模拟法是一种用于贝叶斯推断和蒙特卡洛模拟的强大工具,它结合了Metropolis-Hastings算法的灵活采样特性和子集模拟法的高效性。在MATLAB中实现这一算法通常需要对MATLAB编程和相关统计学知识有一定的了解。 以下是一个简化的MATLAB代码示例,用于说明如何结合改进的Metropolis-Hastings算法和子集模拟法进行采样。请注意,由于篇幅限制和代码复杂性,这里只提供了一个框架,可能需要根据实际问进行调整和完整化。 ```matlab function [samples, logpdf] = MHSubsetSim(likelihood, prior, proposal, start, nIter, thin, subsets) % likelihood: 似然函数 % prior: 先验分布 % proposal: 提案分布,用于产生候选点 % start: 初始样本点 % nIter: 迭代次数 % thin: 跳跃步数 % subsets: 子集的数量 % 初始化样本存储数组 samples = zeros(nIter/thin, size(start)); logpdf = zeros(nIter/thin, 1); % 初始参数 currentSample = start; currentLogPdf = logpdfOfPosterior(currentSample, likelihood, prior); % 子集模拟法初始化 thresholds = computeThresholds(subsets); for i = 1:nIter % 产生候选点 candidate = proposal(currentSample); % 计算候选点的后验概率密度 candidateLogPdf = logpdfOfPosterior(candidate, likelihood, prior); % 计算接受概率 acceptanceRatio = exp(candidateLogPdf - currentLogPdf); accept = acceptanceRatio > rand(); % 决定是否接受候选点 if accept currentSample = candidate; currentLogPdf = candidateLogPdf; end % 子集模拟法逐步更新阈值 if mod(i, subsets) == 0 currentThreshold = thresholds(end); if currentLogPdf >= currentThreshold subsets = subsets - 1; if subsets > 0 thresholds = computeThresholds(subsets); end end end % 存储样本和后验概率密度 if mod(i, thin) == 0 samples((i-thin)/thin + 1) = currentSample; logpdf((i-thin)/thin + 1) = currentLogPdf; end end end function logPdf = logpdfOfPosterior(sample, likelihood, prior) % 计算给定样本的后验概率密度 logLikelihood = log(likelihood(sample)); logPrior = log(prior(sample)); logPdf = logLikelihood + logPrior; end function thresholds = computeThresholds(subsets) % 根据子集数量计算阈值 thresholds = linspace(maxLogPDF, minLogPDF, subsets); end ``` 在这个代码框架中,`logpdfOfPosterior`函数计算给定样本的后验概率密度,`computeThresholds`函数根据子集数量计算阈值。`MHSubsetSim`函数是主函数,执行改进的Metropolis-Hastings算法和子集模拟法。 请注意,这个代码需要根据实际的似然函数`likelihood`、先验分布`prior`和提案分布`proposal`进行定制化修改。此外,确保在使用前对代码进行充分的测试和验证,以保证其在特定应用中的正确性和有效性。
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