Leetcode 219 存在重复元素Ⅱ

题目要求


思路

思路一:

  双重循环,第一重循环遍历nums内的元素,从第一个元素遍历到最后一个元素。第二重循环遍历i+1元素到i+k元素,如果存在元素与i元素的值相同,就返回true,如果遍历完整个集合都没有,就返回false时间复杂度为O(N²)

代码:

class Solution {
public:
    bool containsNearbyDuplicate(vector<int>& nums, int k) {
        for(int i=0;i<nums.size();i++){
            for(int j=i+1;j<=i+k;j++){
                if(j>=nums.size()) break;
                if(nums[j]==nums[i])
                    return true;
            }            
        }
        return false;
    }
};

运行结果:

总结反思:

  因为是使用了双重循环,所以时间复杂度为O(N^2)。时间消耗大,所以考虑降低算法的时间复杂度。


思路二:

  使用C++ STL中的set来降低第二重循环的时间消耗,第一重循环不变,第二重循环改为使用set的count()函数来查找set集合中是否存在相同的元素,并且维持set的集合的size为k,对应nums数组中一段连续的范围。当set集合的范围到达k时,便删除set集合中对应数组范围的第一个元素。相当于在k的范围内找set中第一个元素相同的值。思路与思路一基本一致。时间复杂度O(N)

代码:

class Solution {
public:
    bool containsNearbyDuplicate(vector<int>& nums, int k) {
        set<int> s;
        set<int>::iterator it;
        for(int i=0;i<nums.size();i++){
            if(s.count(nums[i])==1) return true;
            s.insert(nums[i]);
            if(s.size()>=k+1) {
                it = s.find(nums[i-k]);
                s.erase(it);
            }
        }
        return false;
    }
};

运行结果:

总结与反思:

  相比较unordered_map而言,set的count()与find()函数消耗时间更大一点,所以考虑改成unordered_map。


思路三:

  将set改为unordered_map,因为unordered_map可以保存两个值,所以不再需要维持k的范围,当查找到相同元素时,判断坐标之差是否小于k即可。时间复杂度O(N)

代码:

class Solution {
public:
    bool containsNearbyDuplicate(vector<int>& nums, int k) {
        if(k<=0) return false;
        if(nums.size()==0 || nums.size()==1) return false;
        unordered_map<int,int> num;
        for(int i=0;i<nums.size();i++){
            if(num.find(nums[i]) == num.end())
                num.insert({nums[i],i});
            else{
                if(i-num[nums[i]]<=k)
                    return true;
                else
                    num[nums[i]] = i;
            }
        }
        return false;
    }
};

运行结果:

总结与反思:

  在考虑哈希结构时,能用unordered_map就尽量用unordered_map。会大幅度降低时间消耗。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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