旋转数组的最小数字

旋转数组的最小数字

题目
把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的旋转。
输入一个非递减排序的数组的一个旋转,输出旋转数组的最小元素。
例如数组{3,4,5,1,2}为{1,2,3,4,5}的一个旋转,该数组的最小值为1。
NOTE:给出的所有元素都大于0,若数组大小为0,请返回0。

思想
1.输入数组是非递减数组的一个旋转可知,当扫描到前者大于后者的情况时,前半部分需要移到后半部分之后。因此我们可以记录前半部分的长度,用数组存储起来,将后半部分前移,再将数组中的元素复制到后半部分。可得到排序后的数组。此时,最小元素则为数组的第一项,将其返回。

2.由题可知,旋转数组可看成两个有序数组,且前数组分界线元素大于后面的数组。因此可利用二叉查找的思想,找到前后分界线即可。
(1)设置两个指针,分别指向数组的头和尾。计算中间元素。
(2)如果数组头小于中间元素,则将头指针指向中间。如果数组头大于中间元素,则将数组尾指向中间。直到两个头指针和尾指针相差1。

代码1

public static int minNumberInRotateArray(int[] array) {
        if (array == null) return 0;
        int len = 0;
        int length = array.length;
        for (int i = 0; i < length - 1; i++) {
            if (array[i] > array[i + 1])
                len = i + 1;
        }
        System.out.println("len:"+len);
        int temp[] = new int[len];
        for (int i = 0; i < len; i++) {
            temp[i] = array[i];
        }
        System.out.println("length:"+length);
        for (int i = 0; i < length-len; i++) {
            array[i] = array[len+i];
        }
        int j = 0;
        for (int i = length-len; i < length; i++) {
            array[i] = temp[j++];
        }
        return array[0];
    }

代码2
(注:要注意判断相等的情况,要不然错了也找不到为什么错。)

public int minNumberInRotateArray(int [] array) {
        if (array == null) return 0;
        int i = 0;
        int j = array.length-1;
        if (i == j)
            return array[i];
        int mid = i;
        while(array[i] >= array[j]){
            if (j-i ==1){
                mid = j;
                break;
            }
            mid = (i + j) / 2;
            System.out.println(mid);
            if (array[mid] >= array[i])
                i = mid;
            else
                j = mid;
        }
        return array[mid];
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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