位移算法判断是否存在元素

package com.yanfan.test;


import java.util.ArrayList;
import org.apache.commons.lang.StringUtils;


public class Test_Binary {


public static void main(String[] args) throws Exception {
long l = toLongFlag("1,2,3,5,6,8,9,11,12,13,15,22");
System.out.println(l);
String str = toStrFlag(l);
System.out.println(str);
System.out.println("计算得到11,12,13,14是否在1,2,3,5,6,8,9,11,12,13,15,22中:"
+ containFlag(l, "11,12,13,22,23"));
}


/**
* 将数字列表转换成为位移数
*/
public static long toLongFlag(String flag) throws Exception {
long result = 0;
if (StringUtils.isBlank(flag)) {
throw new Exception("请传递数字列表");
}
String[] flags = flag.split(",");
for (String e : flags) {
if (StringUtils.isNotBlank(e)) {
e = e.trim();
int item = Integer.parseInt(e);
if (item > 31) {
throw new Exception("该方法最大支持31位,所以目前请传递31以下数字");
}
long l = 1 << (item - 1);
result = result | l;
}
}
return result;
}


/**
* 将位移数转换为数字列表
*/
public static String toStrFlag(long v) {
ArrayList<Integer> list = new ArrayList<Integer>();
char[] cs = Long.toBinaryString(v).toCharArray();
for (int i = cs.length - 1; i >= 0; i--) {
if (cs[i] == '1') {
list.add(cs.length - i);
}
}
return StringUtils.join(list, ',');
}


/**
* 判断某个数字列表是否存在于指定的位移数中
*/
public static boolean containFlag(long flags, String props) throws Exception {
long rep = toLongFlag(props);
rep = flags | rep;
if (rep == flags) {
return true;
} else {
return false;
}
}


}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用 Householder 三对角化和带 Wilkinson 位移的隐式对称 QR 算法求解对称矩阵特征值的 Matlab 代码: ```matlab function [eigenvalues, eigenvectors] = symmQR(A, tol) % A: n x n 对称矩阵 % tol: 容许误差 % eigenvalues: n x 1 特征值向量 % eigenvectors: n x n 特征向量矩阵 n = size(A, 1); eigenvalues = diag(A); % 初始化特征值向量 eigenvectors = eye(n); % 初始化特征向量矩阵 while true for i = 1:n-1 if abs(A(i+1,i)) < tol % 判断下对角线元素是否为零 continue end % 计算 Householder 变换矩阵 [v, beta] = house(A(i:i+1,i)); H = blkdiag(eye(i-1), v*v'/beta, eye(n-i-1)); % 对矩阵进行 Householder 三对角化 A = H * A * H; eigenvectors = eigenvectors * H; % 对带 Wilkinson 位移的隐式 QR 算法进行迭代 [mu, shift] = wilkinsonShift(A(n-1:n,n-1:n)); [Q, R] = qr(A - mu*eye(n)); A = R * Q + mu*eye(n); % 更新特征值向量 eigenvalues(i:i+1) = A(i:i+1,i:i+1); end % 检查是否满足停止条件 if max(abs(tril(A,-1))) < tol break end end % 对特征向量矩阵进行正交化 for i = 1:n for j = 1:i-1 eigenvectors(:,i) = eigenvectors(:,i) - (eigenvectors(:,i)'*eigenvectors(:,j)) * eigenvectors(:,j); end eigenvectors(:,i) = eigenvectors(:,i) / norm(eigenvectors(:,i)); end end function [v, beta] = house(x) % 计算 Householder 变换矩阵 sigma = norm(x); if x(1) >= 0 v1 = x(1) + sigma; else v1 = x(1) - sigma; end v = x / v1; v(1) = 1; beta = 2 / (v'*v); end function [mu, shift] = wilkinsonShift(A) % 计算带 Wilkinson 位移的隐式 QR 算法中的位移参数 d = (A(1,1) - A(2,2)) / 2; if d >= 0 mu = A(2,2) - A(2,1)^2 / (d + sqrt(d^2 + A(2,1)^2)); else mu = A(2,2) - A(2,1)^2 / (d - sqrt(d^2 + A(2,1)^2)); end shift = A(2,2) - mu; end ``` 其中 `house` 函数用于计算 Householder 变换矩阵,`wilkinsonShift` 函数用于计算带 Wilkinson 位移的隐式 QR 算法中的位移参数。函数返回特征值向量和特征向量矩阵。
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