二分查找

题目:假定有n个不同的整数n>=1,且它们 已经排序并存放在数组list中(这个是前提),要求判定某个整数searchnum是否在数组中,如果在,则返回下标i,使得list[i] = searchnum。如果不在,返回-1。
 
解法:设两个变量left和right分别表示被查找表的左边界和右边界,初始化时,left = 0, right = n-1。令middle = (left+right) / 2为list的中间位置。如果将list[middle]与searchnum比较,则会出现以下三种情况:
     1)searchnum < list[middle],此时如果searchnum在数组中,则一定在0到middle-1之间。因此,把查找右边界right设为middle-1;
     2)searchnum = list[middle],此时list[middle]就是要找的值,返回middle;
     3)searchnum > list[middle],此时如果searchnum在数组中,则一定在middle+1到n-1之间。因此,把查找左边界left设为middle+1;
    如果没有找到searchnum,且数组中还有没检查过的数,就重新计算middle的值,并继续查找。

代码如下:
 
#include <stdio.h>

#define N 10
#define COMPARE(x, y)  (((x) < (y)) ? -1: ((x) == (y)) ? 0: 1)  // 比较两个数的逻辑关系

int binSearch(int [], int, int, int);

int main(void)
{
    int i, n;
    int list[N] = {1, 1, 2, 3, 5, 8, 13, 21, 34, 55};  //已排好序的数组

    printf("Enter you want searchnum: "); 
    scanf("%d", &n);

    int left = 0, right = N-1;
    int tmp = binSearch(list, n, left, right);

    if(tmp == -1)
      printf("Not find %d in list[]\n", n);
    else
      printf("list[%d]\n", tmp);

          return 0;
}


int binSearch(int list[], int searchnum, int left, int right)
{
    int middle;
    while (left <= right)
    {
        middle = (left+right)/2;
        switch(COMPARE(list[middle], searchnum))  // 调用宏来比较两个数大小,并返回结果
        {
            case -1: left = middle + 1;   // -1 表示中间数比要查找的数小
                     break;
            case 0: return middle;    // 0 表示中间数和要查找的数这两个数相等
            case 1: right = middle - 1;   // 1 表示中间数比要查找的数大
        }
    }
    return -1;
}



下面介绍二分查找的递归方法。通常认为递归只有在一些特定的问题上才会使用,比如计算阶乘或Ackermann 函数。这是很狭隘的认识。实际上,任何用赋值语句、if-else或while结构的函数都可用递归方式重写。通常,用递归函数要比其相应的迭代函数更容易理解。
 如果确定在什么时候应该使用递归表述算法呢?一种情况是问题本身是递归定义的,阶乘和斐波那契数问题都属于这种情况。同样,二项式系数问题也属于此类。
 为了把二分查找的迭代函数转换为一个递归函数,必须:
    1)构造递归调用终止的边界条件;
    2)实现递归调用,使得每次递归调用都能够向最终解逼近一步(要么查找成功,要么查找失败)。当函数查找成功结束时,不需要修改代码,对于查找失败,需要将其while语句替换为造价的if语句,并在其then语句中进行递归调用。
 
创建一个逐步逼近解的递归调用是很简单的,只需将新的left和right作为参数传递给下一次递归调用函数中即可。

递归代码:

#include <stdio.h>

#define COMPARE(x, y) (((x) < (y)) ? -1: ((x) == (y)) ? 0: 1)
#define N 10

int binSearchOfRecursion(int [], int, int, int);

int main(void)
{
    int n;
    int list[N] = {1, 1, 2, 3, 5, 8, 13, 21, 34, 55};

    printf("Enter you want searchunm: ");
    scanf("%d", &n);

    int left = 0, right = N-1;
    int tmp = binSearchOfRecursion(list, n, left, right);


    if (tmp == -1)
      printf("Not find %d in list[]\n", n);
    else
      printf("list[%d] \n", tmp);

    return 0;
}


int binSearchOfRecursion(int list[], int searchnum, int left, int right)
{
    int middle;
    if (left <= right)
    {
        middle = (left+right)/2;
        switch(COMPARE(list[middle], searchnum))
        {
            case -1: return binSearchOfRecursion(list, searchnum, middle+1, right);
            case 0: return middle;
            case 1: return binSearchOfRecursion(list, searchnum, left, middle-1);
        }
    }
    return -1;
}

以上问题参考《Fundamentals of Data Structures in C》

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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