算法之两数之和

下面要分享的是一道来自leetcode的简单算法题,提供了三种解题思路,分享给大家。
使用语言:JavaScript

题目:
给定一个整数数组 nums 和一个目标值 target,请你在该数组中找出和为目标值的那 两个 整数,并返回他们的数组下标。
你可以假设每种输入只会对应一个答案。但是,你不能重复利用这个数组中同样的元素。

示例:
给定 nums = [2, 7, 11, 15], target = 9
因为 nums[0] + nums[1] = 2 + 7 = 9
所以返回 [0, 1]

解法一:暴力解法

// 暴力解法:
function twoSum(arr, target) {
	if(arr == null || arr.length == 0 || target == null) return;
	var temp = [];
	var len = arr.length;
	for(var i = 0; i < len; i ++) {
		for(var j = i + 1; j < len; j ++) {
			if(arr[i] + arr[j] == target) {
				if(temp.indexOf(i) == -1 && temp.indexOf(j)) {
					temp.push(i);
					temp.push(j);
				}
			}
		}
	}
	return temp;
}

console.log( twoSum([2, 7, 11, 15], 9) );

性能:
在这里插入图片描述
解法二:两边哈希表

// 两遍哈希表:
function twoSum1(arr, target) {
	if(arr == null || arr.length == 0 || target == null) return;
	var map = new Map();
	var len = arr.length;
	for(var i = 0; i < len; i ++) {
		map.set(arr[i], i);
	}
	for(var j = 0; j < len; j ++) {
		var temp = target - arr[j];
		if(map.has(temp) && map.get(temp) != j) {
			return [j, map.get(temp)];
		}
	}
	return [];
}

console.log( twoSum1([2, 7, 11, 15], 9) );

在这里插入图片描述
解法三:一遍哈希表

// 一遍哈希表:
function twoSum2(arr, target) {
	if(arr == null || arr.length == 0 || target == null) return;
	var map = new Map();
	var len = arr.length;
	for(var i = 0; i < len; i ++) {
		var temp = target - arr[i];
		if(map.has(temp)) {
			return [map.get(temp), i];
		}
		map.set(arr[i], i);
	}
	return [];
}

console.log( twoSum2([2, 7, 11, 15], 9) )

在这里插入图片描述
上面就是今天的分享,如果你对算法也有兴趣,我们跨域一起交流,一起成长。
如果本文章有请求行为,请及时通知我,我马上删除,谢谢。

祝你好运,一生幸福快乐

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
手写数字识别是机器学习中的一个常见问题,它的目的是通过图像识别技术来识别手写数字。优化算法在手写数字识别中起着非常重要的作用,因为它可以帮助我们提高识别准确率和速度。以下是一些常用的优化算法: 1. 梯度下降法(Gradient Descent):梯度下降法是一种常见的优化算法,它通过不断调整模型参数来最小化损失函数。在手写数字识别中,我们可以使用梯度下降法来调整模型中的权重和偏置,以最小化损失函数并提高识别准确率。 2. 随机梯度下降法(Stochastic Gradient Descent):随机梯度下降法是一种与梯度下降法类似的优化算法,但它每次只使用一个样本来计算梯度,并根据该梯度调整模型参数。这样可以提高训练速度,但可能会降低识别准确率。 3. 反向传播算法(Backpropagation):反向传播算法是一种常见的神经网络训练算法,它可以通过计算损失函数对每个权重的偏导数来调整模型参数。在手写数字识别中,我们可以使用反向传播算法来调整神经网络中的权重和偏置,以提高识别准确率。 4. AdaGrad算法:AdaGrad算法是一种自适应学习率的优化算法,它可以根据每个参数的历史梯度调整学习率,从而更好地适应不同的数据集和模型。在手写数字识别中,我们可以使用AdaGrad算法来调整模型参数,以提高识别准确率和速度。 5. Adam算法:Adam算法是一种常用的自适应优化算法,它可以根据每个参数的历史梯度和动量调整学习率,从而更好地适应不同的数据集和模型。在手写数字识别中,我们可以使用Adam算法来调整模型参数,以提高识别准确率和速度。

“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