杨杨的游戏

杨杨的游戏

描述

小杨5岁生日那年他爸爸给他买了N1<N<100000)个球。每个球上都有一个编号i0<i<232-1),编号可以重复,现在小杨在玩一个游戏。小杨的爸爸随机说出一个数M0<M<232-1)。需要小杨判断这个数M是否存在N个球的编号中,若小杨答对,就会得到一颗他最喜欢的吃糖。现在小杨拿着这个游戏来考你这ACMer的大神,相信应该难不到你吧。O(∩_∩)O哈哈~

输入

输入有多个测试数据,每行一个数NK1<K<100000),接下来有N个数表示球的编号。接下来会有K个数表示K次查找。

输出

输出YES或者NO

样例输入

6 4
23 34 46 768 343 343
2 4 23 343

样例输出

NO
NO
YES
YES


开始就是一个一个的去查找,然后就是爆表,时间超时很严重。回来看见自己的一个查找方法,二分法查找。就没有超时间了。不过还是时间好多。

C语言代码如下:

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;

int a[100005];
int n;

int cmp(int k)
{
	if(a[1]==k || a[n]==k) return 1;
	int t,max,min;
	min = 1;
	max = n;
	while(min<max){
		if(a[max]==k) return 1;
		else
		    max = max-1;
		if(a[min]==k) return 1;
		else 
		    min = min+1;
		t = (max+min)/2;
		if(a[t]==k) return 1;
		else
		{
			if(a[t]>k && a[min]<k)
			{
				max = t-1;
			}
			else
			{
				if(a[t]<k && a[max]>k)
				{
					min = t+1;
				}
			}
		}
			if(k>a[max] || k<a[min])
		   return 0;
    }
}
int main()
{
	int m;
	while(scanf("%d%d",&n,&m)!=EOF)
	{
		memset(a,0,sizeof(a));
		for(int i=1;i<=n;i++)
		  scanf("%d",&a[i]);
		sort(a+1,a+1+n);
		int k;
	   while(m--){
		 scanf("%d",&k);
			if(a[1]>k || a[n]<k)
			  	printf("NO\n");
			else
			{
			if(cmp(k)==1) 
				printf("YES\n");
			else
				printf("NO\n");
			}
		}
	}
	return 0;
}


数据较少的时候,其实我比较喜欢java中的一个函数和链表。

java代码如下:

  

import java.util.ArrayList;
import java.util.Collections;
import java.util.Scanner;

class test_1 {
        public static void main(String[] args) {
        	ArrayList<Integer> list = new ArrayList<Integer>();
        	Scanner sc = new Scanner(System.in);
        	int n;
			while(sc.hasNext()){
				n = sc.nextInt();
				int m = sc.nextInt();
			    for(int i=0;i<n;i++){
			    	int k = sc.nextInt();
			    	list.add(k);
			    }
			    Collections.sort(list);
			    
			    for(int i=0;i<m;i++){
			    		int k = sc.nextInt();
			    		int pc = Collections.binarySearch(list,k);
			    		if(pc!=-1)
			    			System.out.println("YES");
			    		else
			    		    System.out.println("NO");
			    }
			}
			
		}
}

数据较大的时候就是超时,估计就是那个自带查找函数耗时间太多了。

解决的方法:
     (1)重写方法。

     (2)自己去写一个方法。

例如:

      去重写函数的话。用一个类去实现Collections接口中的函数binarySearch(list,k)。将方法改造为c语言代码一样的查找就可以,具体可以去参照c语言代码!

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题。
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