2.最值方向

本文介绍了C++中的min,max函数用于返回两个数或数组中的最小/最大值,以及min_element,max_element用于在范围中查找最小/最大元素,nth_element进行部分排序。这些函数在处理数据时具有不同的时间复杂度和使用场景。
摘要由CSDN通过智能技术生成

最值方向

1.min和max函数

min(a,b)返回a和b中较小的那个值,只能传入两个值,或传入一个列表。

例如:

min(3, 5) = 3
min({1, 2, 3, 4})= 1
#include <bits/stdc++.h>
using namespace std;

int main() {
	printf("%d\n", min(3, 5));            // 3
	printf("%d\n", min({1, 2, 3, 4}));// 1
	return 0;
} 

max(a,b)返回a和b中较大的那个值,只能传入两个值,或传入一个列表。

例如:

max(3, 5) = 5
max({1, 2, 3, 4}) = 4
#include <bits/stdc++.h>
using namespace std;

int main() {
	printf("%d\n", max(3, 5));            // 5
	printf("%d\n", max({1, 2, 3, 4}));    // 4
	return 0;
} 

时间复杂度为O(1),传入参数为数组时时间复杂度为O(n),n为数组大小。min,max函数是在取最值操作时最常用的操作。

2. min_element和max_element

  • std::min_element(begin, end) 函数返回指向范围 [begin, end) 中最小元素的迭代器。
  • std::max_element(begin, end) 函数返回指向范围 [begin, end) 中最大元素的迭代器。

时间复杂度均为O(n), n为数组大小(由传入的参数决定)

#include <bits/stdc++.h>
using namespace std;

int main() {
	//初始化v 
	vector<int> v = {5, 1, 3, 9, 11};
	//输出最大的元素,*表示解引用,即通过地址(迭代器)得到值 
	cout << *max_element(v.begin(), v.end()) << endl;  // 11
	cout << *min_element(v.begin(), v.end()) << endl;  // 1
	return 0;
} 

3.nth_element函数

nth_element(st,k, ed)

进行部分排序,返回值为void()

传入参数为三个地址或迭代器。其中第二个参数位置的元素将处于正确位置,其他位置元素的顺序可能是任意的,但前面的都比它小,后面的都比它大。

时间复杂度O(n)

#include <bits/stdc++.h>
using namespace std;

int main() {
	//初始化v 
	vector<int> v = {5, 1, 7, 3, 10, 18, 9};
	//输出最大的元素,*表示解引用,即通过地址(迭代器)得到值 
	nth_element(v.begin(), v.begin(), v.end());
	//这里v[3]的位置将会位于排序后的位置,其他的任意 
	for(auto &i : v) cout << i << " "; 
	// 1 3 7 5 10 18 9
	return 0;
} 
粒子群算法(PSO)是一种优化算法,通过模拟鸟群或鱼群的行为来寻找最优解。在PSO中,每个个体被称为粒子,它们通过不断地调整自己的位置和速度来搜索最优解。粒子的位置表示解空间中的一个候选解,速度表示粒子在解空间中的搜索方向和速度。 PSO算法的基本步骤如下: 1. 初始化粒子群的位置和速度。 2. 计算每个粒子的适应度值,即目标函数的值。 3. 更新每个粒子的速度和位置,根据当前的最优解和全局最优解进行调整。 4. 重复步骤2和步骤3,直到满足停止条件。 对于求解任意函数的最值,可以将函数转化为最小化问题。例如,如果要求解最大化函数f(x),可以将其转化为最小化函数-g(x),其中g(x) = -f(x)。这样,PSO算法可以应用于最小化函数-g(x),从而求解最大化函数f(x)的最值。 在PSO算法中,每个粒子的位置和速度的更新是根据当前的最优解和全局最优解来进行的。最优解是根据粒子自身的历史最优解和邻域最优解来确定的。通过不断地迭代更新,粒子群逐渐收敛到最优解附近。 因此,使用粒子群算法求解任意函数的最值的步骤如下: 1. 初始化粒子群的位置和速度。 2. 计算每个粒子的适应度值,即目标函数的值。 3. 更新每个粒子的速度和位置,根据当前的最优解和全局最优解进行调整。 4. 重复步骤2和步骤3,直到满足停止条件。 5. 根据最终的最优解,计算目标函数的值,即求解的最值。 请注意,具体的PSO算法的参数设置和停止条件需要根据具体问题进行调整。 #### 引用[.reference_title] - *1* *2* [【学习笔记】【算法】【智能优化】粒子群优化(PSO)](https://blog.csdn.net/Eric_YaoPeng/article/details/126735167)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [【优化求解】基于matlab蚁群算法求解函数极值问题【含Matlab源码 1201期】](https://blog.csdn.net/TIQCmatlab/article/details/119521674)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
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