算法:搜索

顺序搜索

  • 在无序记录集中搜索关键词为K的记录在记录集中的位置
  • 代码实现
        public static int SeqSearch(int[] Record,int Key) 
        {
            int i;
            for(i = 0;i < Record.Length; i++) 
            {
                if (Record[i] == Key)
                    break;
            }
            return (i == Record.Length) ? -1 : i;
        }
        static void Main(string[] args)
        {
            int[] nums = new int[] { 12, 23, 26, 37, 54, 60, 68, 75, 82, 96 };
            double[] nums1 = new double[] { 12.02, 23.20, 26.51, 37.54, 54.98, 60.2, 68.3, 75.4, 82.1, 96.2 };
            int res = Search.SeqSearch(nums, 26);
            int res1 = Search.SeqSearch(nums, 70);
            Console.WriteLine(res);
            Console.WriteLine(res1);
        }
//
2
-1

二分搜索

  • 在有序记录集中,每次把待查区间中间位置记录的关键词与要查找的关键词进行比较,若不等则缩小搜索区间并在新的区间内重复上述过程,直到搜索成功或者搜索区间长度为0(搜索不成功)为止
    在这里插入图片描述
  • 代码实现
        public static int BinSearch<T>(T[] Record,T key)where T : IComparable<T> 
        {
            int left = 0;
            int right = Record.Length - 1;
            while(left <= right) 
            {
                int mid = (left + right) / 2;
                if (Record[mid].CompareTo(key) == 0)
                    return mid;
                if (Record[mid].CompareTo(key) < 0)
                    left = mid + 1;
                else
                    right = mid - 1;
            }
            return -1;
        }
        static void Main(string[] args)
        {
            int[] nums = new int[] { 12, 23, 26, 37, 54, 60, 68, 75, 82, 96 };
            double[] nums1 = new double[] { 12.02, 23.20, 26.51, 37.54, 54.98, 60.2, 68.3, 75.4, 82.1, 96.2 };
            int res = Search.BinSearch(nums, 26);
            Console.WriteLine(res);
        }
//
2

搜索二叉树

  • 二叉搜索树中任意节点的关键字大于其左子树节点的关键字,小于其右子树节点的关键字,且左右子树也是一颗二叉搜索树
  • 对于一颗二叉搜索树来说,对其做中序遍历是一个递增序列

ex1
在这里插入图片描述

//中序遍历的结果为
9 17 23 45 53 65 67 78 81 87
  • 代码实现
    public class BinSearchTree
    {
        private BinTree<int> _binTree;

        public BinSearchTree(int value) //构造函数
        {
            BinTreeNode<int> root = new BinTreeNode<int>(value);
            _binTree = new BinTree<int>(root);
        }
        public void Insert(int value) //把值挂到二叉树上
        {
            BinTreeNode<int> p = _binTree.Root;

            while (true) 
            {
                if (p.Data == value)//挂主关键词,一样的话忽略
                    return;
                if (value > p.Data)
                {
                    if (p.RightChild == null)
                    {
                        p.RightChild = new BinTreeNode<int>(value);
                        return;
                    }
                    else
                    {
                        p = p.RightChild;
                    }
                }
                else
                {
                    if(p.LeftChild == null) 
                    {
                        p.LeftChild = new BinTreeNode<int>(value);
                        return;
                    }
                    else 
                    {
                        p = p.LeftChild;
                    }

                }
            }
        }
        public string Ascend() 
        {
            return _binTree.MidOrderTraversal();
        }
        public BinTreeNode<int> Search(int value) 
        {
            BinTreeNode<int> current = _binTree.Root;
            while(current != null) 
            {
                if (current.Data == value)
                    break;
                else if(current.Data < value) 
                {
                    current = current.RightChild;
                }
                else 
                {
                    current = current.LeftChild;
                }
            }
            return current;
        }
        public void Delete(int value) 
        {
            BinTreeNode<int> current = Search(value);
            if (current == null) return;//要摘下的节点不在搜索二叉树

            BinTreeNode<int> parent = _binTree.GetParent(current);//找到父亲节点

            if(current.LeftChild == null) 
            {
                if(parent == null) //删除的节点是根节点
                {
                    _binTree.Root = current.RightChild;
                }
                else if(parent.LeftChild == current) 
                {
                    parent.LeftChild = current.RightChild;
                }
                else 
                {
                    parent.RightChild = current.RightChild;
                }
            }
            else 
            {
                BinTreeNode<int> temp = current.LeftChild;//左孩子不为空找到左子树中的最大的节点
                while (temp.RightChild != null)
                    temp = temp.RightChild;
                
                temp.RightChild = current.RightChild;//把删除节点的右子树挂上
                if(parent == null) 
                {
                    _binTree.Root = current.LeftChild;
                }
                else if(parent.LeftChild == current) 
                {
                    parent.LeftChild = current.LeftChild;
                }
                else 
                {
                    parent.RightChild = current.LeftChild;
                }
            }
        }   
        
    }
  • 利用中序遍历,观察搜索二叉树Insert方法是否正确(中序遍历在树的部分介绍过了)
        static void Main(string[] args)
        {
            BinSearchTree tree = new BinSearchTree(53);
            tree.Insert(65);
            tree.Insert(17);
            tree.Insert(87);
            tree.Insert(9);
            tree.Insert(81);
            tree.Insert(45);
            tree.Insert(23);
            tree.Insert(67);
            BinTreeNode<int> r = tree.Search(45);
            BinTreeNode<int> r2 = tree.Search(25);
            string midOrder = tree.Ascend();
            Console.WriteLine(midOrder);
            
        }
//9 17 23 45 53 65 67 78 81 87
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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