LeetCode刷题:33. 搜索旋转排序数组

心情:这道题确实不难,只是我的思路永远是往复杂的方向靠,说到底就是我不善于总结,不能归类。。。。。。

题目描述

假设按照升序排序的数组在预先未知的某个点上进行了旋转。
( 例如,数组 [0,1,2,4,5,6,7] 可能变为 [4,5,6,7,0,1,2] )。

搜索一个给定的目标值,如果数组中存在这个目标值,则返回它的索引,否则返回 -1 。

你可以假设数组中不存在重复的元素。
你的算法时间复杂度必须是 O(log n) 级别。

示例 1:

输入: nums = [4,5,6,7,0,1,2], target = 0
输出: 4

示例 2:

输入: nums = [4,5,6,7,0,1,2], target = 3
输出: -1

思路:就是二分查找了,用low,mid,high来定范围,关键是如何缩小范围是个需要考虑的问题

方法一: 以排列顺序考虑情况
1.升序如:1,2,3,4,5,6
2.中间大:5,6,7,8,0,1
3.中间小:4,5,0,1,2,3
这是一种方法,分别考虑,但你会发现这样分别考虑每种情况的方法还是重复使用了方法二

方法二 :确定某一边是有顺序的,并判断是否在这个顺序的排列里面,如:4,5,6,7,0,1,2,low = 0,high = 6 ,mid = 3(下标),对应的数字就是nums[low] = 4,nums[lhigh] = 2,nums[mid] = 7,

if(nums[mid] >= nums[low]) //true

可知左边是有顺序的,那么只需要考虑target是否在左边

if(nums[low] <= target && nums[mid] > target) high = mid - 1;
else low = mid + 1;

(因为不在左边肯定就在右边)。
关于为什么要判断的是有序的那边,因为有序判断的情况少一点!!!

代码如下:

class Solution {
public:
    int search(vector<int>& nums, int target) {
        int nsize = nums.size();
        if(nsize == 0) return -1;
        int low = 0;
        int high = nsize - 1;
        int mid;

        while(low <= high){

            mid = (low + high)/2;
            if(nums[mid] == target) return mid;
            if(nums[mid] >= nums[low]){
                if(nums[low] <= target&&nums[mid]> target) high = mid - 1;
                else low = mid + 1;
            }else{
                if(nums[mid] < target && nums[high] >= target) low = mid + 1;
                else high = mid - 1;
            }

            
        }
        return -1;
    }
};

总结:
有的时候不需要把情况想的太复杂,找出判断的简便方法,这题就是,判断有序的那边方便一点。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于PyTorch的Embedding和LSTM的自动写诗实验LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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