三者相加最接近给定值的和

Given an array nums of n integers and an integer target, find three integers in nums such that the sum is closest to target. Return the sum of the three integers. You may assume that each input would have exactly one solution.

这里我自己用了比较器的用法,没办法,是偏爱

	public int threeSumClosest(int[] nums, int target) {
		Map<Integer, Integer> map = new HashMap<Integer, Integer>();
		
        if(nums.length < 3 || nums ==null) {
        	 return 0;  
        }         
        Arrays.sort(nums);
        int closeest =0;
        for(int i=0;i<=nums.length-3;i++) {
        	
        	int minIndex = i+1;
        	int maxIndex = nums.length -1;
        	
        	while(minIndex<maxIndex) {//当最小index小于最大时
        		int sum = nums[i]+nums[minIndex]+nums[maxIndex];
        		int k = sum-target;
            	if(k>0) {
            		map.put(k,sum);
            		maxIndex--;
            	}else if(k<0) {
            		map.put(-k,sum);
            		minIndex++;
            	}else {
            		return sum;
            	}
        	}
        }
        List<Map.Entry<Integer, Integer>> result = new ArrayList<Map.Entry<Integer,Integer>>();
        result.addAll(map.entrySet());
        Collections.sort(result, new Comper2());
        closeest = result.get(0).getValue();
        System.out.println(closeest);
        return closeest;
    }//还是运用上次那个求三者和为0的思想,这次把它放入哈希表,不知道为啥,总是想用哈希表,哈哈哈
	
	
//定义一个比较器,一直用的化最好还是写个工具类出来哈,
//由于leetCode 不能识别这个比较类,所以我自己测了一下,1784970纳秒马马虎虎吧
class Comper2 implements Comparator<Map.Entry<Integer,Integer>>{//比较key

	public int compare(Entry<Integer, Integer> o1, Entry<Integer, Integer> o2) {//比较value
		
		return o1.getKey() - o2.getKey();
	}
 }

我这就是笨办法了,
然后看了一下别人的解答,前面其实一样,主要是后面

public int threeSumClosest(int[] nums, int target) {
        Arrays.sort(nums);
        int sum=0, minDiff=Integer.MAX_VALUE, sumWithMinDiff=0, diff=0;
        for(int i=0; i<nums.length-2; i++){
            if(i>0 && nums[i]==nums[i-1])
                continue;
            int first=i+1;
            int last=nums.length-1;
            while(first<last){
               sum=nums[i]+nums[first]+nums[last];
                if(sum==target){
                   return sum; 
                }
                else if(sum<target)
                    first++;
                else if(sum>target)
                    last--;
               diff=Math.abs(sum-target);//在这里用了数学公式,求绝对值
               if(diff<minDiff){
                   minDiff=diff;
                   sumWithMinDiff=sum;
               }
                
            }
        }
        return sumWithMinDiff;
		
    }

这么一想的话,好像我做的饶了一大圈,直接比较就好了,是我败了

  • 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。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