【寻找逆序对 i j k 】31 下一个排列

题目

难度中等528实现获取下一个排列的函数,算法需要将给定数字序列重新排列成字典序中下一个更大的排列。
如果不存在下一个更大的排列,则将数字重新排列成最小的排列(即升序排列)。
1,2,3 → 1,3,2

3,2,1 → 1,2,3

1,1,5 → 1,5,1

思路

三个变量 i j k,三步
升序对(i,j),找到第一个大于i的k交换,逆序j到结束。
字典排序的原理:

  1. 下一个排列意味着,下一个数比当前的数更大,因此要将后面的大数与前面的小数交换,比如123456更大的数字是123465.
  2. 希望下一个数增加的幅度尽可能的小。因此在尽可能靠右的低位进行交换,越靠前交换最后整个数字越大,因此从后向前查找。
  3. 将一个尽可能小的大数与前面的小数进行交换。比如123465应该交换54而不是64.因此从后向前遍历,找到第一个升序对(i,j),也就是前面需要交换的小数。
  4. 从后向前找到一个大于小数的大数k,进行交换i和k。
  5. j之后的数字一定为降序,逆置j之后的数字,使其变为升序。
  6. 如果在第三步找不到升序对,说明原始序列是一个降序对,那么直接逆序整个数组。
    图解过程
    (即:找到整个图的第一个凹陷处,用尽可能小的数字去替换掉凹陷处的数字。然后将后面逆序全部改为升序,更小。)

代码

public void nextPermutation(int[] nums) {
    if(nums==null){
        return;
    }
    //从后向前找到升序对,如果没有升序对,那么说明整个是降序的,就将整个数组逆序
    int i = 0;
    int j = nums.length-1;
    boolean flag = false;
    for( j = nums.length-1;j>0;j--){
        if(nums[j-1]<nums[j]){
            i = j-1;
            flag = true;
            break;
        }
    }
    int k = nums.length-1;
    //从后向前找第一个第一个满足大于i位置上的数字
    if(flag){
        while(k!=0){
            if(nums[k]>nums[i]){
                swap(nums,i,k);
                //j到结尾由降序改为升序
                reverse(nums,j,nums.length-1);
                break;
            }
            k--;
        }
    }
    else{
        reverse(nums,0,nums.length-1);
    }

}
public void swap(int []nums,int i,int j){
    int temp = nums[i];
    nums[i] = nums[j];
    nums[j] = temp;
}

public void reverse(int []nums,int i,int j){
    while(i<j){
        swap(nums,i,j);
        i++;
        j--;
    }
}
  • 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值。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