LeetCode264. 丑数 II

题目

编写一个程序,找出第 n 个丑数。

丑数就是只包含质因数 2, 3, 5正整数

示例:

输入: n = 10
输出: 12
解释: 
1, 2, 3, 4, 5, 6, 8, 9, 10, 12
 是前 10 个丑数。

说明:  

  1. 1 是丑数。
  2. n 不超过1690。

分析

我  就只会暴力解决,但是暴力解决的时间复杂度为n^3,会超时的吖。

暴力解决就是在从数字1开始,一个一个一个的找,哪个数字是丑数,在找丑数的时候,我需要知道它是不是素数,不是素数又是不是某些素数的整数倍,这样会来三层循环。

那一个一个的找是不太可能了,只能换一种方法,生成丑数列表吧。

我们可以发现,每个丑数都是由某个丑数和2 3 5 相乘的结果,那么我们就可以利用已有的丑数列表和2 3 5相乘,来不断生成新的丑数

那比如说我们的已有丑数:[1 2 3 4 5],我们怎么找下一个丑数呢,首先我们最后一个丑数为 5

a.数组中每个数字分别×2 ,得[ 2 4 6 8 10], 找出第一个大于5的数, m2 = 6;

b.数组中每个数字分别×3 ,得[ 3 6 9 12 15], 找出第一个大于5的数, m3 = 6;

c.数组中每个数字分别×5 ,得[ 5 10 15 20 25], 找出第一个大于5的数, m5 =10;

d.m2 m3 m5 中最小数,m2 =  6,则 6为下一个丑数。

ugly[i] = min( ugly[x]*2, ugly[y]*3, ugly[z]*5 )

这里  x = min( x1, x2, x3…… )  ugly[ x1 ] * 2 > ugly[ i-1 ] ,ugly[ x2 ] * 2 > ugly[ i-1 ] ,ugly[ x3 ] * 2 > ugly[ i-1 ] ……

         x = min( y1, y2, y3…… )  ugly[ y1 ] * 2 > ugly[ i-1 ] ,ugly[ y2 ] * 2 > ugly[ i-1 ] ,ugly[ y3 ] * 2 > ugly[ i-1 ] ……

         x = min( z1, z2, z3…… )  ugly[ z1 ] * 2 > ugly[ i-1 ] ,ugly[ z ] * 2 > ugly[ i-1 ] ,ugly[ z3 ] * 2 > ugly[ i-1 ] ……

当然我们上面生成丑数的过程是比较方便理解的,可是它会做很多没有必要的迭代计算,上面的方法可以优化,优化后的时间复杂度可以降到on。

我自己写的没有优化的很好,只是把时间复杂度降到了On^2,提交了之后发现其它人的代码,是自己没有优化到底,就把代码贴下面吧。

代码

int[] ugly = new int[n];

        ugly[0] = 1;
        int mA = 0; int mB = 0; int  mC = 0;
        int count = 1;

        while(count < n){
            boolean fA = false, fB = false, fC = false;
            for (int i = 0; ; i++) {

                if (ugly[i] * 2 > ugly[count-1] && fA == false){
                    fA = true;
                    mA = ugly[i] * 2;
                }
                if (ugly[i] * 3 > ugly[count-1] && fB == false){
                    fB = true;
                    mB = ugly[i] * 3;
                }
                if (ugly[i] * 5 > ugly[count-1] && fC == false){
                    fC = true;
                    mC = ugly[i] * 5;
                }
                if (fA&&fB&&fC) break;
            }

            ugly[count++] = Math.min(mA,Math.min(mB,mC));
            
        }

        Util.forPirnt(ugly);

        return ugly[n-1];
class Solution {
    public  int min(int a,int b,int c){
        return a>b?(b<c?b:c):(a<c?a:c);
    }
    public int nthUglyNumber(int n) {
        int[] u=new int[n];
        u[0]=1;
        int index2=0;
        int index3=0;
        int index5=0;
        int k=1;
        while(k<n){
            u[k]=min(u[index2]*2,u[index3]*3,u[index5]*5);
            if(u[index2]*2==u[k])index2++;
            if(u[index3]*3==u[k])index3++;
            if(u[index5]*5==u[k])index5++;
            k++;
        }
        return u[n-1];
    }

}
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