金山程序题2的优化

前几天把金山公司给的程序题解了下,代码也贴出来了,原文在这里:http://student.csdn.net/space.php?uid=53444&do=blog&id=16634 

编程 2

  给定一个数组大小m和一个数组array
  m = 10;  array = {1,2,3,4,5,6,7,8,9,10}
  求从array中任意取得n(n<=m)个数,使得和为m,总共有多少种取法,例如:10 1,9 2,3,5
  方法原型 :int  getotalNum (int[] array, int m);
 

原始代码优化的不是很到位,于是今天早上重写了下。

时间复杂度没有任何变化,仍然是 O(sigma(1<i<n,C(n,i))),只是新的算法剪枝效果比较好。

主要方法是把combine函数改写,把外部调用combine的循环移入combine函数内部,这样减少了combine函数中某些结果重复计算的冗余,从而改进了运行效率。

新代码如下

Code:
  1. /************************************************************  
  2. *名称:    problem02.c                                         *  
  3. *描述:    整形数组中取n个元素和等于元素个数m(m>=n)        *  
  4. *假设:    不能重复取某个元素                               *  
  5. *思路:    从1到m 组和数组元素并求和判断是否等于m           *  
  6. *环境:    Code::Blocks & Windows 7 & x86                  *  
  7. *备注:    davelv于09-12-06                                 *  
  8. *************************************************************/  
  9. #include <stdio.h>   
  10. #include <stdlib.h>   
  11. #include <string.h>   
  12. #define BUF_LEN 1024   
  13. //比较函数,用于qsort   
  14. int compare ( const void *a , const void *b );   
  15. //求有几种取法的函数   
  16. int  getotalNum (int array[], int m);   
  17. //数字组合函数   
  18. void combine(int array[], int result[], int m);   
  19.   
  20. int main(void)   
  21. {   
  22.     int buf[BUF_LEN], m, i;   
  23.   
  24.     printf("Please input NO. of integer(s) no more than %d:", BUF_LEN);   
  25.     scanf("%d",&m);   
  26.     printf("Please input integer(s):");   
  27.     for(i=0; i<m; i++)   
  28.     {   
  29.         scanf("%d",buf+i);   
  30.     }   
  31.     printf("Totle %d way(s)/n", getotalNum(buf,m));   
  32.     return 0;   
  33. }   
  34.   
  35. int compare ( const void *a , const void *b )   
  36. {   
  37.     return *(int *)a - *(int *)b;   
  38. }   
  39. //返回值为取法的总数,如果是-1则表示函数失败   
  40. int  getotalNum (int array[], int m)   
  41. {   
  42.     int i, totle;   
  43.     int *result;   
  44.     qsort(array, m, sizeof(array[0]), compare);//排序   
  45.     //排除大于m的数字   
  46.     for(i=0; i<m; i++)   
  47.     {   
  48.         if (array[i] > m)   
  49.         {   
  50.             m = i;   
  51.             break;   
  52.         }   
  53.     }   
  54.     result = (int*)malloc(m * sizeof(int));//为combine函数分配缓存空间   
  55.     if (result == NULL)   
  56.         return -1;   
  57.     combine(array, result, m);   
  58.     totle=*result;   
  59.     free(result);   
  60.     return totle;   
  61. }   
  62. //array:存储数字,result:存储结果数量,m:数字个数   
  63. void combine(int array[], int result[], int m)   
  64. {   
  65.     int i,t;//计数器,begin变量的中间变量   
  66.     static int totle=0,level=0,begin=0,num=0;//已经组合数字和,已递归深度,组合开始元素的下标,符合要求组合的个数   
  67.   
  68.     for (i=begin; i<=m; i++)   
  69.     {   
  70.         totle += array[i];   
  71.         result[level] = array[i];//保存当前数字   
  72.         if ( totle < m)//判断当前组合数字和是否已经超出m限制   
  73.         {   
  74.             //判断当前层数是不是M-1   
  75.             if (level < m-1)   
  76.             {   
  77.                 level++;   
  78.                 t = begin;   
  79.                 begin = i+1;   
  80.                 combine(array, result, m);        //下层递归   
  81.                 begin= t;   
  82.                 level--;   
  83.             }   
  84.         }   
  85.         else if(totle > m)//超过m则跳出本次循环   
  86.         {   
  87.             totle -= array[i];   
  88.             break;   
  89.         }   
  90.         else  
  91.         {   
  92.             int j;   
  93.             for(j=0; j<=level; j++)//符合则输出数字   
  94.                 printf("%d ",result[j]);   
  95.             puts("");   
  96.             num++;        //计数器加一   
  97.         }   
  98.         totle -= array[i];   
  99.     }   
  100.   
  101.     if (level == 0)   
  102.     {   
  103.         result[0] = num;   
  104.     }   
  105. }   

利用自己写的测试程序测试新旧两个程序getotleNum()所耗时间结果如下:

Code:
  1. E:/cbwork/testc/bin/Release>driver.exe       
  2. generate_test_data_file   ok!       
  3. run tested programs       
  4. data            old(ms)         new(ms)       
  5. 50              75              2       
  6. 60              289             5       
  7. 70              998             15       
  8. 80              3278            44       
  9. 90              9409            107       
  10. 100             26747           261       
  11. 110             69330           601      

 gcc (GCC) 3.4.5 (mingw-vista special),O2开关优化,Win7, Intel 奔腾双核 1.8GHz,1G内存。

排除当时间较少时的噪音干扰,可以得到如下结论。

1、旧程序在数据量每增加10的时候时间增长为原来的约3倍

2、新程序在数据量每增加10的时候时间增长为原来的约2+倍

3、新程序比旧程序在同等数据量的情况下快约100倍。

同时给出测试驱动程序:

Code:
  1. #include <stdio.h>   
  2. #include <stdlib.h>   
  3. #include <string.h>   
  4. #include <time.h>   
  5.   
  6. #define PROGRAM_NAME_TYPE "xxx.exe"   
  7. #define IN_PIPE "<"   
  8.   
  9. void generate_test_data_file(int from, int to, int step);   
  10. void run_programs(int from, int to, int step);   
  11. int main()   
  12. {   
  13.     int from=50,to=110,step=10;   
  14.     printf("generate_test_data_file   ");   
  15.     generate_test_data_file(from,to,step);   
  16.     puts("ok!");   
  17.     puts("run tested programs");   
  18.     puts("data/t/told(ms)/t/tnew(ms)");   
  19.     run_programs(from,to,step);   
  20.     return 0;   
  21. }   
  22. void run_programs(int from, int to, int step)   
  23. {   
  24.     char cmd[FILENAME_MAX];   
  25.     int len;   
  26.     for(;from<=to;from+=step)   
  27.     {   
  28.         len=strlen(PROGRAM_NAME_TYPE)+strlen(IN_PIPE);   
  29.         itoa(from,cmd+len,10);   
  30.         printf(cmd+len);   
  31.         printf("/t/t");   
  32.         memcpy(cmd,"old.exe<",strlen("old.exe<"));   
  33.         system(cmd);   
  34.         printf("/t/t");   
  35.         memcpy(cmd,"new.exe<",strlen("new.exe<"));   
  36.         system(cmd);   
  37.         puts("");   
  38.     }   
  39. }   
  40. void generate_test_data_file(int from, int to, int step)   
  41. {   
  42.     FILE * fp;   
  43.     int i;   
  44.     char filename[FILENAME_MAX];   
  45.     for(;from<=to;from+=step)   
  46.     {   
  47.         fp=fopen(itoa(from,filename,10),"w");   
  48.         if(fp==NULL)   
  49.         {   
  50.             puts("generate test data file error!");   
  51.             exit(1);   
  52.         }   
  53.         fprintf(fp,"%d/n",from);   
  54.         for(i=0;i<from;i++)   
  55.         {   
  56.             fprintf(fp,"%d ",i);   
  57.         }   
  58.         fclose(fp);   
  59.     }   
  60.   
  61. }   

 

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问
评论 21
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